Gemini Omniとは？使い方・料金・制限とVeo 3との違い

AI動画をつくるとき、これまでは最初にすべてを一度に指示する必要があり、ディテールを少し変えたいだけでも全体を作り直すことが少なくありませんでした。Googleの Gemini Omni は、その常識を変えます。まず1本生成し、あとはチャットのように一言ずつ指示を重ねるだけで、シーンの一貫性を保ったまま映像が変化していきます。Googleは公式に、これを「動画版のNano Banana」と表現しています。Nano Bananaで「一文打つと画像が変わる」あの感覚を使ったことがあれば、Gemini Omniはそれを動く映像にそのまま持ち込んだもの、とイメージすると分かりやすいでしょう。

この記事では、Gemini Omniとは何か、実際に何ができるのか、始め方、料金（無料で使えるのか）、Veoとの違い、そして現時点での制限までを一通り解説します。

画像出典：Google DeepMind公式

Gemini Omniは、Google最新のマルチモーダルAI動画生成・編集モデルです。モデルのバージョンは Gemini Omni Flash と呼ばれます。Geminiがもともと備える世界への理解とネイティブなマルチモーダル性の上に構築されているため、単に「テキストを動画に変換する」だけでなく、入力した画像・動画・音声を読み取り、それらを1本の一貫した映像へとまとめ上げます。

最大の特徴は会話型の生成です。従来のテキストから動画をつくるツールでは、一度のプロンプトで仕上がりがほぼ決まってしまいます。一方Gemini Omniは「見ながら直す」ことができます。最初の1本を生成したあとに「背景を夜にして」「肩越しのアングルに変えて」「このキャラクターを別の人に差し替えて」と伝えると、それぞれの修正が前のバージョンを引き継いで反映され、毎回ゼロからやり直す必要がありません。GoogleがこれをNano Bananaになぞらえるのはこのためで、Nano Bananaが画像編集を「会話」に変えたように、Gemini Omniはその「話しながら直す」体験を動画へと広げています。

先に押さえておきたい点が1つあります。Gemini Omni Flashは、Geminiアプリ内で従来の Veo 3.1に代わり、主要な動画生成・編集モデルになります。

画像出典：Google DeepMind公式

Gemini Omniの能力は、大きく4つに整理できます。

テキスト・画像・動画・音声を組み合わせて動画を生成

テキストだけに縛られません。Gemini Omniはテキスト・画像・動画・音声を自由に組み合わせて入力でき、それらを1本の動画に統合します。たとえば、キャラクターの画像、動きの参考になるクリップ、そして望むスタイルを表す一文を渡せば、それらを1つのショットに合成してくれます。参考写真は最大5枚まで使えます。さらに音声もネイティブに生成できるため、あとから吹き替えるのではなく、映像とサウンドを同時に出力できます。

複数ターンの会話で動画を編集し続ける

これはGemini Omniの看板機能です。生成後、キャラクターの差し替え、ライティングの調整、手ブレの補正、背景の入れ替え、エフェクトの追加といった修正を1ターンずつ指示でき、モデルはシーン全体の一貫性を保ちます。まるで編集者と会話しながら、ショットを少しずつ理想へ近づけていくような感覚です。既存の動画を直接読み込んで加工する動画から動画への編集にも対応しています。

世界の知識と物理法則を踏まえる

Gemini Omniは「それっぽく描く」だけではなく、現実世界の振る舞いを理解しています。一方では重力・運動量・流体といった物理現象への直感があり、動きがより自然に見えます。もう一方では、Geminiが持つ歴史・科学・文化的な文脈への理解を引き継いでいるため、知識系のコンテンツを筋道立てて表現できます。たとえば、タンパク質の折りたたみを説明するクレイアニメ風の解説動画をつくる、といった具合です。

シーン・動き・スタイル・オブジェクトを変更

一文で画面の中身を大きく作り変えられます。全体のアートスタイルを変換する（実写を線画・3Dボクセル・ホログラム風にするなど）、ショットの中で起きていることを設定し直す、参考の画像やクリップから動きとスタイルを取り込む、あるいは画面内の特定のキャラクターやオブジェクトだけを差し替える——といったことが、ほかの部分の一貫性を保ったまま行えます。

画像出典：Google DeepMind公式

Gemini Omniは現在、Geminiアプリと Google Flow（GoogleのAI制作スタジオ）で使えます。もっともシンプルな流れを紹介します。

ステップ1：GeminiアプリまたはGoogle Flowを開く

Googleアカウントでログインし、Geminiアプリを開くか、Google Flowにアクセスします。この2つの入り口でGemini Omniの全機能を使うには有料プランが必要です（まず無料で試したい場合はYouTube Shorts／Createを利用できます）。詳しくは次の料金の項で説明します。

ステップ2：Gemini Omni Flashを選ぶ

動画生成の画面で、モデルを Gemini Omni Flash に切り替えます。Google Flowでは、利用可能な動画生成モデルの1つとして表示されます。

ステップ3：指示を入力し、参考素材をアップロードする

つくりたいショットの説明を入力し、必要に応じて参考素材（画像は最大5枚、動画クリップ、音声ファイル）をアップロードします。指示が具体的なほど（被写体・動き・カメラ・スタイル・サウンド）、仕上がりはイメージに近づきます。

ステップ4：最初の1本を生成する

送信すると、Gemini Omniが約10秒の最初のバージョンを生成します。まずは下書きと捉え、一発で完成させようとしなくて大丈夫です。

ステップ5：会話で修正してダウンロードする

気になる箇所があれば、そのまま言葉で伝えます。「背景を海辺にして」「カメラを引いて」「このオブジェクトを赤にして」といった具合です。モデルは元のシーンを保ちながら修正します。納得できたらダウンロードして使えます。

先に結論から言うと、Gemini Omniには無料の入り口と有料の入り口があり、どこで使うかによって変わります。YouTube上で試すなら無料で触れますし、GeminiアプリやGoogle Flowで全機能を使うなら有料プランが必要になります。以下で分けて説明し、日本の料金も併記します。

Gemini Omniは無料で使える？

使えます。ただし利用する場所によります。YouTube ShortsとYouTube Createアプリでは、Gemini Omni Flashを無料で体験できます。18歳以上であれば、サブスクリプションなしで会話型の動画生成を試せる、もっとも敷居の低い入り口です。

一方、GeminiアプリとGoogle Flowでは、フル機能の動画生成やマルチターン編集を使うのにGoogle AIの有料プランが必要です。完全無料のGoogleアカウントでGeminiに入っても、多くの場合は基本的なOmni Flashまでで、動画生成では順番待ちや1日あたりの上限の低さに当たりやすくなります。安定してフルに使うなら、まずはGoogle AI Plusから始めるのが目安です。

Google AI Plus・Pro・Ultraの違い

3つのプランはいずれもGemini Omni Flashを使えます。違いは主に利用上限・Google Flowのクレジット・その他の特典です。日本の料金を基準にまとめます。

GeminiアプリやGoogle Flowでフル機能を安定して使うなら、もっとも安い入り口は月額725円のGoogle AI Plusです。新規ユーザー向けの割引が実施されることも多いため（例：AI Proの初年度50%オフなど）、その時々のキャンペーンを確認するとお得です。また、プランは最大5人の家族と共有でき、1人あたりの負担を下げられます。

補足を2点。

1. 利用量の数え方：Geminiアプリの利用量は「計算量」で測られ、プロンプトの複雑さ、使う機能、会話の長さによって変動します。5時間ごとにリセットされ、週の上限に達するまで使えます。使い切った場合はAIクレジットを追加購入できます。

2. 機能の差：一部の機能はプランの等級、プラットフォーム（ウェブ／モバイル）、地域によって異なります。実際に含まれる内容は公式のサブスクリプションページを基準にしてください。

Gemini OmniとVeoは、どちらもGoogleの動画モデルのため混同されがちです。ざっくり分けると次のとおりです。

• Gemini Omni Flash は、Geminiアプリ内でVeo 3.1に取って代わる、新しいマルチモーダルな生成・編集モデルです。強みはマルチモーダル入力、会話によるマルチターン編集、そして世界の知識と物理への理解で、「まず生成し、あとから一言ずつ直す」流れや、複数の素材を1本の動画に合成する用途に向いています。

• Veo（Veo 3／3.1を含む）は、シネマティックな生成を得意とする専用モデルで、高品質なテキストから動画への生成に重点があります。

どちらを選ぶべきか。会話しながら直す、既存素材を編集する、現実の理屈に沿った映像がほしいならGemini Omniが扱いやすい選択です。「一文でシネマティックなショットを一気に生成したい」ならVeoの路線にも依然として出番があります。Geminiアプリで制作する多くの人にとって、いま既定で触れるのはGemini Omniになります。

画像出典：Google DeepMind公式

繰り返し使えるプロンプトの型

• 被写体：画面に映る人・物・シーン。

• 動き／きっかけ：何が起きるか、または「〜したとき」という条件（例：「手を開くと、手のひらに惑星が現れる」）。

• カメラアングル：カメラワークと角度。例：「ゆっくり寄る」「肩越しの視点」。

• スタイル／質感：写実、線画、クレイアニメ、3Dホログラムなど。

• サウンド：BGMを入れるか、それとも「環境音のみ、BGMなし」か。

• 制約条件：長さ（例：10秒）、アスペクト比（例：16:9）、そして「映してほしくないもの」。

この6つの枠を埋めるだけで、仕上がりのコントロール性がはっきり上がります。

シーン別の例文

• 商品紹介：白背景でスキンケアのボトルがゆっくり回転、柔らかいスタジオ照明、わずかに寄るカメラ、写実的なスタイル、軽やかなBGMのみ、10秒、16:9。

• 知識系の解説：ある科学の概念をクレイアニメ風で説明、すべて粘土でできていて手は映らない、映像とナレーションを同期、最後に音を急に切らない。

• 物理シミュレーション：ビー玉がつながったコースを勢いよく転がる、ワンショットの映像、実際の衝突音のみ、BGMなし。

• スタイル変換：実写クリップを用意し、「人物が鏡に触れたら、環境全体を3Dボクセル風に変える」と指示、ほかの部分はそのまま維持。

同じ素材を複数ターンで直したビフォーアフター

Gemini Omniの価値は「複数ターン」にあります。流れの一例です。バイオリン奏者のクリップを入力にして、（1ターン目）「奏者を麦畑のシーンへ移す」→（2ターン目）「バイオリンを透明にする」→（3ターン目）「奏者の肩の後ろから撮る画角に変える」。各ターンでは1つだけ変更し、モデルは前のバージョンを引き継ぐため、毎回まったく別の噛み合わない動画になるのではなく、1ステップごとの差分をはっきり確認できます。

画像出典：Google DeepMind公式

強力なツールにも境界はあります。先に知っておくと落とし穴を避けられます。

Gemini Omniは一度にどれくらいの長さの動画を作れる？

現時点でGemini Omniが一度に生成するのは約10秒の短い動画です。より長いコンテンツをつくるには、実務上は複数のセグメントを生成し、自分でつなぎ合わせる必要があります。

複雑な動きや複数人のシーンは不安定になりやすい

Gemini Omniは物理をよく理解していますが、高速・複雑・複数人が同時に絡むシーンは、どのAI動画モデルにも共通の苦手分野で、動きのぎこちなさやディテールのズレとして現れることがあります。その場合は、画面をよりシンプルにするか、マルチターン編集で少しずつ直しましょう。

画面内テキスト・ナレーション・音声同期の制限

Gemini Omniは設計上、「画面上のテキスト」と「起きていること」を合わせたり、ナレーションを生成したりできます。ただ実務では、画面内に表示するテキスト（特に日本語などの非ラテン文字）に誤字や崩れが出ることがあり、ナレーションと口の動きや動作の同期も、複雑なシーンでは完璧とは限りません。正確な文字テロップが要のコンテンツでは、1本ずつ確認することをおすすめします。

プランの上限と生成速度の制限

料金の項で触れたとおり、Geminiアプリは計算量で課金され、5時間ごとにリセットされて週の上限まで使えます。Google Flow側はクレジットを消費します（Plusは200、Proは1,000、Ultraは10,000〜25,000）。利用量や生成速度はプランの等級で変わるため、たくさん使う人はクレジットの消費に注意しましょう。

SynthIDとC2PAによるコンテンツ表示

Geminiアプリ、Google Flow、YouTubeを通じてOmniで生成・編集したコンテンツには、すべてGoogleのSynthID透かし（不可視）と C2PAコンテンツ認証情報が埋め込まれます。これらは目には見えませんが、そのコンテンツがGoogle AIによって作られたかどうかの識別に使えます。ファイルをGeminiに戻して「AI生成かどうか」を尋ねることもできます。商用利用やAIコンテンツの明示が必要な場面では、この点を先に踏まえておきましょう。

Gemini Omniは日本で使える？

使えます。Gemini Omniは、Geminiアプリが対応するすべての国と言語で順次提供されており、日本も対象です。利用には18歳以上であることと、Google AI Plus・Pro・Ultraのいずれかのプランが必要です。なお、アバターや動画から動画への編集など一部の機能は、地域によって制限される場合があります。

Gemini Omniは日本語の指示に対応している？

対応しています。Gemini OmniはGeminiアプリが対応するすべての言語で使えるため、日本語で指示を出せます。ただし前述のとおり、動画内に表示する文字は誤りが出ることがあります。これは「日本語の指示を理解できるか」とは別の話として捉えてください。

Gemini Omniで生成した動画に透かしは入る？

入りますが、目には見えない透かしです。すべての出力にSynthIDの不可視の透かしとC2PAコンテンツ認証情報が付きます。画面上に見えるロゴは残らず、そのコンテンツがGoogle AIによる生成かどうかを識別するために使われます。

Gemini Omniは、AI動画を「最初にすべて指示して、ダメなら作り直す」段階から、「まず生成し、あとは会話で微調整する」段階へと引き上げました。何度も修正を重ねるクリエイターにとっては、明確な効率アップです。まずはシンプルな10秒の下書きから始め、一言ずつショットを整えていく進め方に慣れるほうが、最初から完璧なプロンプトを書こうとするより、ずっと取りかかりやすいはずです。