Google、動画生成AI「Gemini Omni」を発表。テキスト・画像・動画を組み合わせて映像を生成

最終更新日:2026/05/25

Gemini Omni 提供開始

Googleは、複数の入力データをもとに動画を生成・編集できる新モデル「Gemini Omni」を発表しました。画像や音声、動画、テキストを組み合わせて映像を生成できるほか、自然言語による指示での動画編集にも対応しています。

このニュースのポイント

Googleが動画生成・編集の新モデル「Gemini Omni」を発表
複数データ入力と自然言語の指示で、一貫性のある動画生成・編集が可能
全ての生成動画に電子透かし「SynthID」を埋め込み、安全性にも配慮

Googleは、Geminiの高い推論能力と創造力を組み合わせた新しいモデルファミリー「Gemini Omni」を発表しました。本モデルは動画をはじめ、あらゆる入力からコンテンツを生成できるとしています。まずは第1弾として軽量版の「Gemini Omni Flash」が提供開始されました。

本モデルは、画像や音声、動画、テキストを組み合わせて映像を生成できるほか、自然言語による指示での動画編集にも対応しています。

全てのプロンプトが前の文脈を引き継ぐため、動画内の人物やキャラクターの見た目や特徴は一貫性を保ち、シーン全体の流れも維持されます。さらに、特定の部分や背景、カメラアングルなどを変更したり、オブジェクトの差し替えなども可能です。

本モデルは、Geminiが持つ歴史・科学・文化に関する知識と、物理法則に対する直感的な理解を兼ね備えているのが特徴です。単にリアルなだけでなく、「次に何が起こるか」を推論することで、物語性を持った動画生成を実現します。

これにより、正確な物理法則を反映した映像や、複雑なアイデアを可視化した動画を生成できます。例として、連鎖反応コースを高速で転がるビー玉のワンカット撮影、タンパク質の折りたたみを解説するクレイアニメーションなど、複雑なアイデアの可視化に対応しています。

入力リファレンス機能では、キャラクター画像や背景シーン、手書きスケッチなどを参照しながら、イメージに近い映像作品を生成できます。

加えて、ユーザー保護や適切なAI利用に向けたポリシーも導入されています。自身の声を利用した動画アバター機能にも対応するほか、本モデルで生成・編集された全ての動画には、AI生成を識別する電子透かし技術「SynthID」が埋め込まれます。動画が本モデルによって生成されたものかどうかはGeminiアプリやGemini in Chrome、Google検索などを通じて確認できます。

「Gemini Omni Flash」は、2026年5月20日より世界中のPlus、Pro、Ultraユーザーを対象に、GeminiアプリおよびGoogle Flow経由で順次提供が開始されています。今後は、YouTube ShortsやYouTube Createアプリのユーザーに展開されるほか、数週間以内に開発者や企業向けAPIとしても公開される予定です。

出典：Google