Gemini Omni は1回の生成パスで映像と同期した空間オーディオを出力します。TTS、Foley、二次パスのオーディオモデルを後付けする必要はありません。音は第一級の出力です。
Gemini Omni 用の参照フレームをアップロード
Gemini Omni にアニメーション化させたい静止画をドロップしてください。モデルはキャラクターのアイデンティティ、ライティング、色彩のために参照画像を利用するので、生成される動きはソースに忠実なものになります。PNG または JPG、ヘッドショットや商品写真に最適です。
PNG、JPG、WebP（最大24MB）に対応
アスペクト比を選択
16:9 はシネマティック再生用、9:16 は縦型リール用、1:1 はSNS正方形向け。Gemini Omni はクロップではなく、正しいフレーミングでネイティブにレンダリングします。
すべてのレンダリングに組み込まれたネイティブオーディオ
Gemini Omni は、映像と音声を一つの信号として生成する Google 初の動画モデルです。舗道に降る雨をリクエストすれば、しぶきは足音とタイミングが揃い、チェロをリクエストすれば部屋に合った正しいリバーブが返ってきます。2パス目もFoley編集も手動同期も不要です。
Prompt
Person walking through puddles in heavy rain, footsteps synchronized with splashing sounds, raindrops hitting umbrella in rhythm with audio, 4K quality, realistic water physics, cinematic atmosphere.
ネイティブ空間オーディオ
1つのプロンプトから生まれるシネマティックな質感
カメラワーク、レンズの選択、カラーグレーディングは第一級の入力として扱われます。Gemini Omni は「浅い被写界深度」を本物のDOFとして、「フィルムノワール」を本物のパレットとして、「濡れた舗道に反射するネオン」を本物の光源として扱います。撮影監督の語彙が記述したとおりに機能します。
Prompt
Professional portrait of a young man in a rainy urban street at night, neon signs reflecting on wet pavement, atmospheric fog, shallow depth of field, cinematic bokeh, moody color palette, 4K ultra-detailed, film noir aesthetic.
シネマティックなプロンプト忠実度
本物のリップシンクを備えたトーキングヘッド
音声は映像と一緒に生成されるので、口の形はフレームごとに音素と一致します。これは AI 動画をプレロール広告、解説リール、吹き替え不要の商品デモへとついに送り出す機能です。Gemini Omni は発音、呼吸、人間らしさを生む小さな間を扱います。
Prompt
Close-up shot of a woman speaking directly to camera, clear articulation of words, natural facial expressions during speech, perfect lip-sync with audio, 4K cinematic quality, professional interview lighting, authentic conversational tone.
破綻しないリップシンク
信頼できる物理ベースのモーション
布は折り重なり、水はたまり、髪はおさまります。Gemini Omni は重力と風の下で物質がどう動くかの内部モデルを持っているので、スローモーションショットは2026年でも他のモデルが生み出すモーフィングアーティファクトに崩れず、各フレームで一貫性を保ちます。
Prompt
Slow-motion shot of a red silk scarf being thrown into the air, floating gracefully with realistic fabric physics, gentle wind affecting movement, 4K quality, cinematic lighting with soft shadows, photorealistic material properties.
本物の布物理
フォトリアルな液体と屈折
液体は長らくフェイクなレンダリングの目印でした。Gemini Omni は正確に処理します。メニスカスの張力、ガラスの屈折、頂点で一瞬止まる飛沫、水が静まるときの小さな揺らぎ。プロダクトディレクターは最初のテイクで使える映像を手にします。
Prompt
4K close-up of water being poured into a crystal glass, realistic liquid physics with surface tension, light refraction through water and glass, dynamic splashing, photorealistic transparency and reflections, cinematic lighting.
フォトリアルな液体
ロングテイクのキャラクター一貫性
Gemini Omni は顔、衣装、部屋をクリップ全体で保持します。50ページの脚本をアップロードすれば、誰が何を着ているか、ランプがどこにあるか、風がどの方向から吹くかをすべて追跡します。同じ考え方はマルチショットリールにもスケールします。ショット1で生成したキャラクターはショット8でも同じキャラクターのままです。
Prompt
Cinematic close-up portrait of a woman in soft window light, 10 seconds of natural micro-expressions, breath visible, identity locked across every frame, 4K editorial photography aesthetic, shallow depth of field.
10秒間アイデンティティを保持
Gemini Omni を際立たせるもの
Gemini Omni は Gemini マルチモーダルバックボーン上に構築されているため、音声、モーション、言語を1つのシステムとして理解します。以下は、これまでのすべての Google 動画モデルを超える機能です。
Gemini Omni プラン
従量制クレジットパック、または年払いで30%オフ。クレジットは Gemini Omni のテキスト動画、画像動画、チャットリミックスで1対1で交換できます。
Starter
$9.9/ 月
Gemini Omni を始めよう。
含まれるもの:
- 月2,950クレジット
- 月約30本の短編レンダリング
Creator
$19.9/ 月
現役の動画クリエイター向け。
含まれるもの:
- 月6,500クレジット
- 月約70本の短編レンダリング
Studio
$49.9/ 月
代理店およびスタジオ向け。
含まれるもの:
- 月18,000クレジット
- 月約200本の短編レンダリング
Gemini Omni FAQ
Gemini Omni が今日できること、そしてワークフローが既存の編集ツールにどう合うかについての実用的な質問。
01Gemini Omni とは何ですか？
Gemini Omni は Google の新しいマルチモーダル動画生成モデルで、I/O 2026 に先駆けて Gemini アプリ内で公開されました。1回のパスで映像と同期した空間オーディオを生成し、非常に長い脚本のコンテキストを受け付け、タイムラインのスクラブではなくチャットで結果を編集できます。
02Gemini Omni は本当に動画と一緒に音声を生成しますか？
はい。それが目玉となる変化です。これまでの Google 動画モデルは別途の音声パスが必要でした。Gemini Omni は単一のマルチモーダル出力を生成します。足音はしぶきのフレームに合わせて着地し、台詞は唇の動きと一致し、室内のアンビエンスはシーンと整合します。
03チャットベースの編集はどう機能しますか？
クリップを生成した後、変えたい内容を記述します。「ウォーターマークを削除」「テーブルの上のオブジェクトを差し替え」「台詞をもっと柔らかく」など。Gemini Omni は影響を受けるフレームだけを書き直し、残りのショットはピクセル単位で安定したままです。
04Gemini Omni が生成するクリップの長さはどれくらいですか？
リークされたUIは、デフォルトでショートフォーム（数秒）であり、シーン拡張でより長いテイクにも対応することを示唆しています。延長されたテイク全体でキャラクターと衣装の一貫性が保たれることが、編集作業では純粋な長さ以上に重要です。
05出力を商用利用できますか？
生成した出力はあなたのものですが、Google の基盤モデル規約および肖像、音楽、商標に関する各地の法律に従う必要があります。当プラットフォームで Gemini Omni を使って作成した動画について、私たちが権利を主張することはありません。