Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash が得意なこと、苦手なこと

Gemini Omni 1.1 Flash は、どの動画ワークフローでもぶつかる問題に対する Google の答えです。ショットを生成したモデルは、たいてい後からそれを直せません。クリップをレンダリングしてみたらジャケットの色が違う、あるいはテイクが 1 秒早く終わってしまう。そうなると、別のモデルと別のルックでプロンプトを一から書き直すことになります。Omni は生成、編集、延長を1 つのモデル、1 つのビジュアル言語にまとめ、音も映像と同じ 1 回の生成で作ります。Google は 2026 年 8 月 27 日にこのモデルをリリースし、Veo 3.1 ファミリーの後継として案内しています。

1 つ目の主力機能はマルチモーダル参照です。プロンプトに加えて、最大 10 枚の画像（複数アングルのキャラクター、製品、ロケーション）と、1 本 3 秒の動画クリップを最大 3 本追加できます。画像は同一性を固定し、顔、衣装、ラベルがショット全体で安定します。短いクリップは動きと構図を伝えます。カメラのドリー、手のジェスチャー、歩くペースなどです。私たちのテストでは、製品写真 2 枚と 2.5 秒の公園のクリップから、その 2 つの製品が同じ芝生の上を同じ光の中で転がっていく映像が生成されました。

2 つ目は一文での編集です。最長 10 秒のクリップをアップロードして変更内容を書くだけで、黄色いパーカーが赤い革ジャケットに、晴れた通りが雨に、昼が夕暮れに変わります。人物、構図、タイミングはそのままで、出力の長さと縦横の向きも元のクリップと同じです。延長は同じことを反対側の端から行う機能で、クリップに 3〜10 秒を追加して歩みを続けさせたり、ドアをようやく開けさせたりできます。音もそのままつながります。

3 つ目はドラフトから仕上げまでの段階的なワークフローです。360p は構図を探すための高速なドラフト用の解像度です。うまくいったバージョンが見つかったら、ネイティブの最高解像度である 720p で、または納品用にネイティブのフレームからアップスケールした 1080p か 4K で再レンダリングします。

苦手な点もあります。クリップは 3〜10 秒、アスペクト比は 16:9 と 9:16 のみです。もっと長いワンテイクや正方形の画面が必要なら、Wan V3.0 は最長 30 秒まで対応し、1:1 と 4:3 も選べます。音声は常にオンで、方向づけはできてもオフにはできません。Google の安全フィルターは厳しく、一部の著名人の写真は拒否されるため、特定の人物を既存のクリップに入れるなら MiniMax H3 のほうが適しています。10 秒を超えるクリップを編集するなら Seedance V2.5 を使ってください。

妥当な使い分けとしては、あとで手直しするかもしれない音声付きのクリップには Gemini Omni 1.1 Flash を標準で使うのがおすすめです。同じモデルで、生成したものを編集も延長もできるからです。既存の映像の人物を入れ替えるなら MiniMax H3、長いテイクや正方形の画面なら Wan V3.0、マルチショットのシーケンスなら Seedance V2.5 を使いましょう。