ネイティブマルチモーダル
1つの画面でテキスト、画像、動画、音声を入力できます。
Gemini Omni Flash AI動画生成ツール
テキスト、画像、動画、音声を入力できるGoogleのネイティブマルチモーダル動画モデル。Virseではフレーム駆動版と参照素材駆動版を提供しています。
- Gemini Omni Flash
作成を始めるには、デスクトップのブラウザでこのページを開いてください。
名前のOmniは入力側を指す
Gemini Omni Flashは2026年6月に発表されたGoogleの高速動画モデルで、理解しておきたいのは受け付ける入力です。
多くの動画モデルは画像1枚と1段落の文章を受け取ります。このモデルはネイティブマルチモーダルで、テキスト、画像、動画、音声を、後付けの別々のアダプターではなく同じ画面から入力できます。これは機能一覧ではなく構造上の性質であり、異なる方向を示す入力をモデルが整合的にまとめる仕組みに表れます。Googleは対話による調整も重視して設計しており、ブリーフを書き直す代わりに対話を続けてクリップを調整できます。
入力素材が多様で、画像制作にすでにGoogleを使っているならGemini Omni Flashを使ってください。Nano BananaやGemini画像モデルの静止画を動かし、参考素材からショットを作り、クリップへの応答で調整を繰り返せます。
Gemini Omni Flashとは？
Gemini Omni FlashはGoogle DeepMindが開発したAI動画生成モデルで、処理速度を設計上の優先事項とするGemini Flashシリーズの一員です。2026年6月に、動画生成と対話型動画編集の費用効率に優れた選択肢として発表されました。
このモデルには3つの主な強みがあります。
- テキスト、画像、動画、音声入力を受け付けるネイティブマルチモーダル対応
- 指示を続けてクリップを調整する対話型の改善
- すべての出力に埋め込まれるSynthIDの来歴情報
Virseには2つのモデルが掲載されています。Gemini Omni Flashは開始フレーム、終了フレーム、または両方と文章の指示を受け取ります。Gemini Omni Flash Referenceは代わりに提供された参考画像から作成します。Virseで提供されるのは720P構成で、毎回の生成でネイティブ音声を作成するため、ここでは音声の演出指示はブリーフに含まれません。
Gemini Omni Flashの仕様早見表
2つのエントリー
フレーム駆動版と参照素材駆動版が、Virseに別々に掲載されています。
720P出力
Virseで提供するサイズです。音声は映像とともにネイティブ生成されます。
Flashクラスの速度
Flash系のモデルです。動画では、静止画以上にその速さが重要です。
対話による調整
指示を書き直さず、続けて指示することで結果を調整します。
SynthID による来歴管理
生成したすべてのクリップに埋め込まれる、知覚できない信号です。
Gemini Omni Flash AI動画生成ツールの主な機能
すべての入力形式を1つの画面で
ネイティブマルチモーダルとは、テキスト、画像、動画、音声を別々のエンコーダーに渡さず、同じモデルで処理することです。後からつなぎ合わせたシステムでは競合する入力も、整合させて扱います。
最上位モデルにはない参照素材駆動版
Googleのより高負荷な動画モデルVeo 3.1はフレーム駆動です。Gemini Omni Flashには参照画像を使う経路が加わり、Googleファミリー内でこの種の連続性を制御する唯一の方法となっています。
対話で仕上げる
1か所を直すためにブリーフを一から書き直すのではなく、反復調整に向けて設計されています。最初の結果は出発点という設計思想です。
速度を設計目標に
Flashシリーズは処理の速さを重視します。生成が遅いと集中が完全に途切れる動画制作では、静止画以上にそれが重要です。
Google画像モデルとの一貫性
Nano Banana Pro、Nano Banana 2、Gemini 2.5 Flash Imageで作ったフレームは同じファミリー由来のため、静止画から動画へ移る際にも視覚的な特徴がつながります。
設定不要の来歴管理
SynthIDはすべてのクリップに自動で埋め込まれ、映像に何も表示せず、設定を有効にする必要もなく、AI生成であることを識別できます。
VirseでGemini Omni Flashを使って制作
制作工程全体で同じモデルファミリーを使い続けるのは、単なる好みに思えるかもしれません。しかし、プロジェクトの途中で提供元を変え、動画版が静止画に合わない理由を探るのに午後を費やすと、その意味がわかります。 Virseでは、同じファミリーで進めるのが最も手軽な方法です。キャンバス上のGoogleの画像モデルで生成したフレームを、書き出さずに直接Gemini Omni Flashへ渡せるため、静止画から動画への移行がその場で完結します。
今作った静止画を動かす
Nano BananaやGeminiの画像フレームを、同じキャンバス上で直接動画モデルへ渡します。
調整の流れを見える状態に保つ
各調整結果は元になったバージョンの隣に置かれるため、対話型の作業過程を後から確認できます。
30以上のクリエイティブモデルにアクセス
キャンバスを離れたりブリーフを書き直したりせずに、Gemini Omni Flashと30以上の他の画像・動画モデルを切り替えられます。
より高負荷な選択肢と比較
追加の負荷に見合うかを知りたいときは、同じフレームを隣でVeo 3.1にも実行させてください。
Gemini Omni Flashで何を作成できますか？
静止画のアニメーション化
Googleファミリーの他のモデルで生成した画像に動きを加えます。
参照素材に基づくクリップ
説明ではなく参考画像で被写体を定義するショット。
短いSNS動画
解像度より処理速度が重要な短いクリップ。
商品のモーション
指定した開始フレームからのシンプルな登場演出や回転。
コンセプトのプレビズ
制作を決める前にショットのアイデアを確かめる、動きのある参考映像。
反復調整するシーケンス
最初から完璧に指定するのではなく、複数回にわたって調整するクリップ。
VirseでGemini Omni Flashを使う方法
適切なモデルを選ぶ
フレームがあるなら標準版を使います。クリップ間で被写体を維持する必要があるならReference版を使います。
入力素材を読み込む
構図となる画像、または各画像の役割を明示した参考画像セットを追加します。
起こることを説明する
シーン内の動き、カメラの動作、テンポを説明します。音声は映像とともに生成されるため、セリフや環境音の指示を含めると役立ちます。
やり直さずに調整する
元のブリーフを書き直さず、追加の指示で結果を調整します。
Gemini Omni Flashのプロンプトの書き方
効果的なGemini Omni Flashのプロンプトには通常4つの要素が含まれます。
- 開始時の状態
- 動くもの
- カメラ
- 終了時の状態
こう書く代わりに
窓を開ける人物、心地よい自然な動き、映画のような表現。
こう書く
上げ下げ窓の下枠に両手を置いて立つ人物を、腰の高さから後ろ向きに捉える。1回の滑らかな動きで窓を完全に開くまで押し上げ、その後手を下ろす。カメラは終始固定し、前進も横移動もしない。窓が開き、腕を体の横に下ろした状態で終了。
Gemini Omni Flashのプロンプト例
フレームからフレームへ
Image 1から開始：窓辺に紅茶のカップが置かれ、湯気が立ち、カーテンは静止している。 クリップの前半で右からのそよ風がカーテンを持ち上げ、その後落ち着く。湯気は終始立ち続ける。 カメラは固定の近接ショットを維持し、移動もカットもなし。 Image 2で終了：カーテンは落ち着き、カップはそのまま。
参照駆動の連続性
Image 1の人物、Image 2のエプロン、Image 3のベーカリーのカウンターを使用。 彼はパンを載せたトレイをカウンターに置き、体を起こし、エプロンで手を拭く。 カウンターの客側から固定のミディアムショット。カメラは動かない。 顔、髪、エプロンの色と形を見本どおりに正確に維持する。両手を体の横に下ろして終了。
シンプルなカメラ移動
塗装されたレンガ壁に立てかけた自転車を正面から見る。 シーン内では何も動かない。カメラは一定の速さでゆっくり左へ移動し、自転車を画面内に保ちながら、その右側の出入口を見せる。 終始均一な曇天の光。 自転車が右端、出入口が中央にある構図で終了。
Gemini Omni FlashとVeo 3.1の比較
| 比較項目 | Gemini Omni Flash | Veo 3.1 |
|---|---|---|
| 入力形式 | テキスト、画像、動画、音声 | テキストとフレーム |
| 参照素材駆動版 | あり、別途掲載 | なし |
| Virseでの出力 | 720P、無音 | 720p～4K、音声は任意 |
| デザイン目標 | 仕上がりの速さ | 出力の上限 |
| シーケンスの構築 | 対話による調整 | シーン延長 |
| 選ぶべき場面 | 入力が多様、または被写体を維持する必要がある場合 | 長さ、音声、4Kが必要な作品 |
Gemini Omni Flashでより良い結果を得るためのヒント
クリップごとに完結した動作を1つ
終わりのない説明ではなく、動きの始まりと終わりを明確にしてください。
参照素材の役割を指定
Reference版では、どの画像が被写体を、どの画像が背景設定を提供するのか指定してください。
フレームは同じファミリーで作成
Nano BananaやGemini 2.5 Flash Imageの画像は、視覚的な特徴を変えずにこのモデルへ引き継げます。
書き直さずに調整
このモデルは追加の指示を受けるよう作られています。ブリーフ全体を書き直すと、うまくいった部分まで失います。
動画ワークフロー向けツール
次の動画に向けて、参照画像とビジュアルの方向性を準備しましょう。
ツールキャラクターデザインプロンプトジェネレーター
多くのキャラクタープロンプトは、人が読むと問題なく見えても、画像モデルではうまく機能しません。アイデンティティ、世界観、ビジュアルスタイルが、モデルが解析できる1つのまとまりではなく、3つの別々の文に散らばっているからです。どんなキャラクターかを説明し、構造化されたバージョンを生成し、同じキャンバス上で実際のレンダーに対してテストできます。無料クレジットで最初のラウンドをカバーできます。
ツールデザインプロンプトジェネレーター
多くのデザインプロンプトは、地味な細部で失敗します。アスペクト比が間違っている、ブランドカラーが抜けている、どのテキストをどこに収めるべきかの記載がない、といったことです。目的、対象読者、形式、制約を列挙すれば、画像モデルがそれらすべてを実際に把握できる構造のプロンプトを作成します。無料のVirseクレジットから始められます。
ツールムードボード生成
ムードを1バージョンだけ作るのは、ただの推測にすぎません。参考資料や文章で書いたテーマを入力すると、同じアイデアをいくつかの異なる解釈で返します。色、素材、イメージを1つのボード上にまとめることで、白紙のページではなく、反応しながら進められるものが生まれます。無料クレジットだけで始められます。
Gemini Omni Flashのよくある質問
Gemini Omni Flashとは？
Gemini Omni FlashはGoogle DeepMindのネイティブマルチモーダル動画モデルで、高速な動画生成と対話型編集のために2026年6月に発表されました。テキスト、画像、動画、音声入力を受け付けます。
ここでの「ネイティブマルチモーダル」とは？
テキスト、画像、動画、音声を別々の部品の組み合わせではなく、同じ画面から1つのモデルで処理するという意味です。入力は個別に処理されるのではなく、互いに整合させられます。
Gemini Omni Flashは無料ですか？料金はいくらですか？
Gemini Omni FlashはVirseの有料プランで利用できます。生成は秒単位で月間クレジット枠から課金され、上位プランではフェアユースの範囲内で従量制の制限なく利用できます。現在の料金はVirseの料金ページに掲載されています。
Gemini Omni Flashは音声を生成しますか？
はい。Gemini Omni Flashは映像とともにネイティブ音声を生成し、Virseで提供するモデルは毎回音声を生成します。選択できる無音構成はありません。
Gemini Omni Flash Referenceとは？
フレームの代わりに参照画像を受け取る別モデルで、一連のクリップで被写体を認識可能な状態に保つ必要がある作業向けです。
Veo 3.1との違いは何ですか？
Veo 3.1は4Kに対応し、音声を生成し、シーン延長で長さを増やせます。Gemini Omni Flashはより高速で、より多くの入力形式に対応し、Veo 3.1にはない参照素材駆動版を提供します。
透かしは追加されますか？
知覚できない来歴信号であるSynthIDを埋め込みます。見える映像上には何も表示されません。
VirseでGemini Omni Flashを使うには？
どちらかのモデルを選び、フレームまたは参照画像を追加し、動きを説明して生成します。
同じファミリーで、フレームから動画へ
Googleファミリーの画像モデルで作ったフレームを動かすか、参考画像セットからショットを作成できます。どちらもキャンバスを離れずに行えます。