Gemini Omni（ジェミニ オムニ）とは、Google DeepMindが開発した「any-to-any」型のAIモデルファミリーです。テキスト、画像、音声、動画をどんな組み合わせで渡しても、音声付きの完成した動画を生成してくれます。できあがった動画は、変えたいところを言葉で伝えるだけで編集できます。最初のモデルGemini Omni Flashは2026年5月19日のGoogle I/Oで発表され、改良版のGemini Omni 1.1 Flashは2026年8月27日から一般提供されています。
Googleは公式ブログで、Omniを「Geminiの推論力と創造力が出会う場所」と表現しています。つまり、ピクセルを並べるだけでなく、物理法則や歴史、文脈まで理解したうえで動画を作るモデルだということです。しかもチャットボットと同じ感覚で、ひとつずつ指示を出し、うまくいった部分は残しながら仕上げていけます。
この記事では、Gemini Omniとは何か、その仕組み、バージョンごとにできること、Veoとの違い、料金、そして今すぐ使える場所を順に解説します。ブラウザだけでGemini Omni 1.1 Flashを無料プランから使えるOmniRenderについても紹介します。
Gemini Omniの概要（早見表）
| Gemini Omni（1.1 Flash） | |
|---|---|
| 開発元 | Google DeepMind |
| 発表 | 2026年5月19日（Google I/O） |
| 現行モデル | Gemini Omni 1.1 Flash（モデルID：gemini-omni-1.1-flash）、2026年8月27日から一般提供 |
| 入力 | テキスト、画像、動画クリップ、音声（Googleのアプリでは声のリファレンスにも対応） |
| 出力 | ネイティブ音声付きの動画（BGM、効果音、口の動きに合ったセリフ） |
| 動画の長さ | 1回の生成で3〜10秒。10秒ずつ延長して最大40秒 |
| 解像度 | 標準は720p。下書き用の360p、アップスケールで1080p・4K |
| アスペクト比 | 16:9（横長）と9:16（縦長） |
| 編集 | 生成した動画やアップロードした動画を、会話を重ねて編集 |
| 細かな指定 | 画像・動画のリファレンス、最初と最後のフレーム指定、タイムスタンプ |
| 透かし | すべての動画に目に見えないSynthID。GoogleのアプリではC2PAの来歴情報も付与 |
| 使える場所 | Geminiアプリ、Google Flow、YouTube ShortsとYouTube Create、Google Vids、Gemini API、Google AI Studio、OmniRenderなどのパートナーアプリ |
出典：Google DeepMindのモデルページ、Gemini APIドキュメント
Gemini Omniの仕組み
多くのAI動画ツールは、別々のシステムをつなぎ合わせて動いています。プロンプトを読むモデル、映像を描くモデル、音をつけるモデル、という具合です。Gemini Omniはこれをすべてひとつのモデルでこなします。Omniならではの特徴のほとんどは、この設計から生まれています。
1. ネイティブ・マルチモーダル
Gemini Omniは、テキスト・画像・音声・動画をひとつのモデルの中で同時に読み取ります。たとえば「この写真の人物を、このクリップのリズムに合わせて踊らせて」と頼むと、写真とクリップと指示がそれぞれどう関係しているのかを理解したうえで動画を作ります。素材をただ貼り合わせるわけではありません。その結果、キャラクターがブレにくく、参照素材にも忠実で、音も画面の動きにぴったり合います。
2. Geminiの「世界知識」
OmniはGoogleの言語モデルGeminiと同じ基盤の上に作られています。重力や慣性、液体の動き方を知っているうえ、歴史や科学、文化についての知識も豊富です。だからこそ「タンパク質の折りたたみをクレイアニメで解説」のような短いプロンプトでも、見た目がきれいなだけでなく内容まで正確な動画が出てきます。Googleのプロンプトガイドもはっきり書いているとおり、Veoのような従来のモデルでは細かい指示が必要でしたが、Omniではやりたいことを伝えれば、細部はモデルが補ってくれます。
3. 会話がそのまま編集ツールに
Googleは、Omniを「人気の画像編集モデルNano Bananaの動画版」にたとえています。指示は前の指示の上に積み重なっていきます。「赤い車をヴィンテージの青いオープンカーに変えて」と言ってから「次は雨を降らせて」と続けても、シーンのほかの部分はそのまま保たれます。APIではprevious_interaction_idを指定すれば、動画を再アップロードしなくても、モデルが前の動画を引き継いでくれます。
4. 描く前に「考える」
Omniは描き始める前に構成を考えるため、純粋な動画生成モデルが苦手とする指示もこなせます。「3秒後に女性が入ってくる」といったタイミング指定、画面上の読める文字、テンポの速いカットの連続、音楽に合わせたアクションなどです。何も指定しなければ、短いストーリーになるよう複数のショットを自動で組み立てることもあります。ワンカット（長回し）で撮りたいときは、そう指示すればOKです。
Gemini Omniの主な機能
テキストから動画。シーン、カメラの動き、雰囲気を文章で書けば、音声付きの3〜10秒のクリップが返ってきます。ドリーイン（dolly-in）、ホイップパン（whip pan）、固定ショット（locked-off）、手持ち撮影（handheld）といった映像用語も理解します。
画像から動画。写真や商品画像、ちょっとしたスケッチでもアップロードすれば、Omniが動かしてくれます。画像をそのまま最初のフレームとして使うことも、動きやスタイルの参考としてだけ使うこともできます。
リファレンスから動画。キャラクター、衣装、商品、画風などの複数の画像に加えて、各3秒までの短い動画クリップを最大3本組み合わせられます。Omniはクリップ全体を通して、それぞれのリファレンスの見た目を保ちます。Geminiアプリでは写真のリファレンスを最大5枚まで使えます。
ネイティブ音声とセリフ。BGMや環境音、話し声は、あとから足すのではなく映像と同時に生成されます。セリフを「」やダブルクォーテーションで囲めば、キャラクターが口の動きを合わせてしゃべります。
会話で動画を編集。既存のクリップの照明、背景、衣装、カメラアングル、画風を、ひと言で変えられます。Omniは頼んだ部分だけを変え、ほかはそのまま残します。自分でアップロードした映像の編集も可能です（地域による制限あり。後述）。
最大40秒までのシーン延長。1.1 Flashで追加された機能です。クリップの終わりから続きを10秒ずつ生成し、合計40秒まで延ばせます。Omniは直前の最大10秒を読み取って、動き、キャラクター、音声のつながりを保ちます。
最初と最後のフレームを指定。開始画像と終了画像を用意し、その間の動きを説明すれば、Omniがショットを埋めてくれます。トランジションやカメラの回り込み、継ぎ目のないループ動画にぴったりです。
360pで下書き、4Kで仕上げ。360pで安く試行錯誤し、気に入ったものだけを720pでレンダリングしたり、1080pや4Kにアップスケールしたりできます。
読める文字とタイミング制御。画面上の文字を正確に描き、「[0-3s]」や「2秒ごとに別の場所へカット」といったタイミングの指示にも従います。
リアルな物理表現。Googleは重力、慣性、流体の動きをより自然に再現できるようOmniを学習させています。そのため連鎖反応や水しぶき、スピードのあるスポーツシーンも本物らしく見えます。
Gemini Omniのバージョン：Flashと1.1 Flash（Proは？）
Gemini Omniはモデルファミリーで、これまでにGoogleがリリースしたのは2つのFlashモデルです。「Flash」は、Googleが高速・高効率なモデルにつけている名前です。
| Gemini Omni Flash | Gemini Omni 1.1 Flash | |
|---|---|---|
| リリース | 2026年5月19日（アプリ）、APIプレビューは2026年6月30日 | 2026年8月27日（一般提供） |
| モデルID | gemini-omni-flash-preview（最短で2026年9月30日に提供終了の可能性あり） | gemini-omni-1.1-flash |
| 最大の長さ | 1クリップ10秒 | 1クリップ10秒、延長で最大40秒 |
| 解像度 | 720p | 360p（下書き）、720p、1080p・4K（アップスケール） |
| リファレンス | 画像、および編集元の動画 | 画像＋動画リファレンス最大3本（各3秒） |
| 最初と最後のフレーム | なし | あり |
| シーン延長 | なし | あり（10秒ずつ。直前の最大10秒を参照） |
Gemini Omni Proは出る？発表当時の報道ではFlashの上位にあたる大型モデルの存在が示唆されていましたが、2026年10月時点でGoogleはリリースも時期も発表していません。登場したらこの記事を更新します。
Gemini Omniはいつから使える？リリースの流れ
| 日付 | 出来事 |
|---|---|
| 2026年9月30日 | プレビュー版のモデルID gemini-omni-flash-preview が、提供終了となりうる最短の日付を迎える（終了日は未確定） |
| 2026年8月27日 | Gemini Omni 1.1 Flashリリース：40秒までのシーン延長、最初と最後のフレーム指定、360p〜4Kに対応 |
| 2026年6月30日 | Gemini API経由での開発者向け提供がプレビューで開始 |
| 2026年6月 | Omni FlashがArena.aiのVideo Arenaでテキストから動画・画像から動画の両部門1位に |
| 2026年5月19日 | Google I/OでGemini Omniを発表。Omni FlashがGeminiアプリ、Google Flow、YouTube Shortsで順次提供開始 |
Gemini OmniとVeoの違い
VeoはGoogleの動画生成専用モデルで、プロンプトから映画のようなショットを作るためのものです。一方のGemini Omniは、動画を作り、編集もできる「推論するモデル」です。どちらもGoogle DeepMind製で、Veoは今も開発者向けの独立したモデルとして提供されています。ただしGeminiアプリでは、Veo 3.1に代わってOmniが標準の動画モデルになりました。
| Gemini Omni | Veo | |
|---|---|---|
| どんなモデルか | 動画を出力するマルチモーダル推論モデル | テキスト／画像から動画を作る専用モデル |
| 得意なこと | 編集、リファレンスの組み合わせ、ストーリーの組み立て、タイミング | 1本ずつの映画的な生成 |
| プロンプトの書き方 | 意図を伝えれば、細部は世界知識で補ってくれる | 細かく正確なプロンプトほど効果的 |
| 入力 | テキスト・画像・動画・音声を1回のリクエストで | テキストと画像 |
| 完成したクリップの編集 | 可能（会話を重ねて何度でも） | 限定的 |
| Geminiアプリでの位置づけ | 標準の動画モデル | Omniに置き換え |
品質面では、Omni Flashは2026年6月、Arena.aiのVideo Arenaのテキストから動画部門に1位で初登場し、Veo 3.1に約158ポイントの差をつけました。ただしランキングの入れ替わりは激しく、その後は新しいライバルが差を縮めています。順位はあくまでその時点の結果で、優劣を決めつけるものではないと考えてください。
まとめると、試行錯誤や編集を重ねたい、複数の素材を組み合わせたいならOmni。細かく指定した映画的なショットを1本だけ作りたい開発者には、Veoも引き続き有力な選択肢です。
Gemini Omniが使える場所と料金（無料で使える？）
Gemini OmniはGoogleの複数のサービスと、パートナーのアプリで使えます。使える人と費用は、どこで使うかによって変わります。
| 使える場所 | 対象 | 料金 |
|---|---|---|
| OmniRender | 誰でも（ブラウザで、世界中から） | 無料プラン（360pの動画を月数本、カード登録不要）、有料プランは$14/月から |
| YouTube ShortsとYouTube Create | 誰でも | 無料 |
| Geminiアプリ | Google AI Plus・Pro・Ultraの契約者（18歳以上） | サブスクリプションに含まれる（使える機能はプランと国によって異なる） |
| Google Flow | Google AI Plus・Pro・Ultraの契約者 | サブスクリプションに含まれる（Flowクレジットを消費） |
| Gemini API／Google AI Studio | 有料枠の開発者 | 720p動画1秒あたり約$0.10 |
| Gemini Enterprise Agent Platform | Google Cloudを利用する企業 | エンタープライズ料金 |
Gemini Omniは無料で使える？
はい、いくつかの方法で無料で使えます。YouTube ShortsとYouTube Createアプリでは、YouTubeのツール内であれば誰でも無料でOmni Flashを使えます。大学生ならGoogleのProプランを1年間無料で利用することもできます。OmniRenderの無料プランなら毎月160クレジットがもらえ、360pの動画を最大3本作れます。カードの登録も不要です。
なお、Gemini APIにはOmniの無料枠はありません。
Gemini Omniの料金はいくら？
開発者向けには、Omniはトークン単位で課金されます。入力は100万トークンあたり$1.50、動画出力は100万トークンあたり$17.50です。720p動画1秒で5,792トークンを使うので、1秒あたり約$0.10、10秒のクリップならおよそ$1になります（Gemini APIの料金）。
クリエイターなら、たいていはサブスクリプションのほうが手軽です。OmniRenderのプランは、Creator（$14/月、最大56本）、Studio（$49/月、最大200本）、Agency（$99/月、最大440本）の3つ。有料プランにはすべて商用ライセンスが含まれます。サブスクリプションにしたくない人向けに、有効期限のない買い切りのクレジットパックも用意されています。
自分のサービスにOmniを組み込みたい方は、Gemini Omni APIガイドをご覧ください。
使う前に知っておきたい制限
Gemini Omniは優れたモデルですが、現時点でははっきりした制限もあります。事前に知っておけば、クレジットを無駄にせずに済みます。
- クリップは短め。1回の生成は最長10秒です。長いシーンは延長を重ねて作り、合計40秒まで。延長できるのはクリップの末尾だけで、前に足したり途中に挟んだりはできません。
- アップロード動画の地域制限。EEA（欧州経済領域）、スイス、英国では、自分でアップロードした動画の編集・延長ができません。Omniが生成した動画なら、どの地域でも編集・延長できます。
- 人物・肖像。一部の著名人の画像はアップロードできません。またEEA、スイス、英国では、未成年が写った画像のアップロードや編集もできません。
- 声。人の声の編集には対応していません。すでに誰かが話しているアップロード動画を延長する場合、新しいセリフは追加できません。
- 動画リファレンス。動画リファレンスは見た目（容姿）の参考にのみ使われ、音声は無視されます。複数の元動画をまたいだ推論にはまだ対応していません。
- 言語。完全にサポートされているのは英語です。日本語を含むほかの言語でもうまく動くことは多いものの、Googleによる正式な評価はまだ行われていません。
- ネガティブプロンプト欄はなし。入れたくない要素は、「セリフなし」「画面に文字を入れない」のようにプロンプトの中に書きます。
安全性と透かし
Omniが作るすべての動画には、Googleの目に見えない透かし「SynthID」が埋め込まれます。Geminiアプリ、Google Flow、YouTubeで作ったコンテンツには、C2PAのコンテンツクレデンシャル（来歴情報）も付きます。Geminiアプリに動画をアップロードして、GoogleのAIで作られたものかどうかを尋ねることもできます。リリース前には、自動化されたテストと、開発チームから独立した専門チームによる人手のレッドチーミングに加え、倫理面・安全面のレビューも実施されています。
Gemini Omniのこれから
Omniはまず動画から始まりましたが、Googleは画像と音声の出力もロードマップにあると明言しています。今後数か月は、Flashの上位にあたる大型モデルの登場と、同じany-to-anyシステムからの出力形式の拡大、という2つの方向が見込まれます。現時点ではGemini Omni 1.1 Flashが本番用のモデルです。使いこなす近道は、とにかく使ってみることです。
Gemini Omniのよくある質問
Gemini Omniの読み方は？Geminiとは何が違う？
読み方は「ジェミニ オムニ」です。Geminiは、GoogleのAIモデルファミリーの名前であり、AIアシスタントアプリの名前でもあります。Gemini Omniはその中にある特定のモデルファミリーで、動画をはじめとするメディアの生成・編集を担当します。Geminiアプリの中からOmniを使うこともできますが、チャット用のGeminiモデルとは別のモデルです。
Gemini Omniはどこで使える？使い方は？
いちばん手軽なのはブラウザから使う方法です。OmniRenderで無料アカウントを作れば、最初からGemini Omni 1.1 Flashが選ばれた状態で使い始められます。ほかにも、Google AI Plus・Pro・Ultraプランに加入してGeminiアプリやGoogle Flowで使う、YouTube ShortsやYouTube Createで無料で使う、Gemini APIから呼び出す、といった方法があります。それぞれの手順はGemini Omni Flashの使い方で詳しく解説しています。
Gemini Omniの料金は？無料で使える？
無料でも使えます。YouTube Shorts、YouTube Create、OmniRenderの無料プランなら、お金をかけずに試せます。本格的に使うなら、Google AIのサブスクリプション、$14/月からのOmniRenderのプラン、または720p動画1秒あたり約$0.10の有料Gemini APIが必要です。
Gemini Omniはいつから使える？日本でも使える？
Gemini Omniは2026年5月19日に発表され、同日からGeminiアプリなどで順次提供が始まりました。現行のGemini Omni 1.1 Flashは2026年8月27日から一般提供されています。GoogleはGeminiアプリが使える国・地域でOmniを展開しており、使える機能はプランや地域によって異なります。OmniRenderはブラウザから世界中で使えるので、日本からもすぐに試せます。なお、EEA、スイス、英国のユーザーは、自分でアップロードした動画の編集・延長ができません。
Gemini Omniは何秒まで動画を作れる？
1回の生成で作れるのは3〜10秒です。Gemini Omni 1.1 Flashなら、10秒ずつ延長して合計40秒まで伸ばせます。
Gemini Omniは音声も生成できる？
はい。BGM、効果音、セリフが動画と一緒に生成されます。セリフをカギカッコやダブルクォーテーションで囲めば、キャラクターが口の動きを合わせて話します。
Gemini Omniで画像は作れる？
まだできません。現在のOmniが出力できるのは動画だけです。Googleは画像と音声の出力も今後対応すると発表しています。画像を作りたい場合は、今のところGoogleのNano Bananaモデルが選択肢になります。
Gemini Omniはオープンソース？
いいえ。Gemini OmniはGoogle DeepMindの独自（プロプライエタリ）モデルで、Googleのアプリ、API、ライセンスを受けたパートナーを通じて提供されています。
Gemini Omni 1.1 Flashとは？
現在一般提供されているOmniの最新版です（モデルID：gemini-omni-1.1-flash）。最初のOmni Flashと比べて、40秒までのシーン延長、最初と最後のフレーム指定、動画リファレンス、360p〜4K出力が追加されています。詳しくはGemini Omni 1.1 Flashの紹介ページをご覧ください。
Gemini Omniを今すぐ試す
Gemini Omniを理解するいちばんの方法は、実際に何か作ってみることです。1文書いて、よければ写真を1枚添えて、何が返ってくるか見てみましょう。そのあとで、変えたいところを伝えてみてください。
まずはOmniRenderで、無料で作成をはじめましょう。あわせてGemini Omniのプロンプトガイドを読んでおけば、1クレジットごとの仕上がりがぐっと良くなります。
出典
- Introducing Gemini Omni、Google（2026年5月19日）
- Gemini Omniモデルページ、Google DeepMind
- Gemini Omniプロンプトガイド、Google DeepMind
- Generate and edit videos with Gemini Omni Flash、Gemini APIドキュメント
- Gemini Developer APIの料金、Google
- GeminiアプリのGemini Omni、Google
- Gemini Omni 1.1 Flash lets you build with more control、Google
- Arena.ai Video Arenaの発表（2026年6月）
