Google、動画生成モデル「Gemini Omni 1.1 Flash」を発表　最大40秒のシーン延長や4K出力に対応

要点

• Google DeepMindは、開発者向け動画生成モデル「Gemini Omni 1.1 Flash」を発表した。

• 最大10秒前の映像文脈を解析し、視覚的な一貫性を保ちながら最長40秒までのシーン延長が可能になった。

• 始点と終点のフレームを指定して滑らかなカメラワークや場面転換を生成できる補間機能を搭載した。

• 360pプレビューによる迅速・低コストな試作から、最終成果物の4Kアップスケール出力までをサポートする。

• 「Google AI Studio」のGemini APIおよび「Gemini Enterprise Agent Platform」を通じて即日提供される。

• 米Google傘下のGoogle DeepMindは2026年8月27日（現地時間）、開発者向けの生成動画モデルにおける最新アップデート「Gemini Omni 1.1 Flash」を発表した。動画制作における細かな演出制御や制作効率を高める機能群が追加され、商用サービスや本番環境での利用を見据えた仕様へと強化されたという。同モデルは「Google AI Studio」で提供されるGemini API、ならびに「Gemini Enterprise Agent Platform」を通じて同日より利用可能となっている。

過去10秒の文脈を参照するシーン延長、最長40秒の映像生成に対応

Gemini Omni 1.1 Flashにおける主要な機能拡充の一つが「シーン延長（Scene Extension）」機能だ。これは既存の動画を入力とし、その続きとなる映像を途切れなくシームレスに生成する機能である。

Google DeepMindのプロダクトマネージャーであるアニッシュ・ナンギア（Anish Nangia）氏およびアリサ・フォーティン（Alisa Fortin）氏の説明によると、従来の動画生成モデルでは直前1秒程度の情報しか参照できなかったのに対し、Omni 1.1 Flashでは最大10秒前までの映像コンテキスト（前後の文脈情報）を解析可能になった。この拡張により、映像内のキャラクターの外見や背景の配置といった視覚的な一貫性（ビジュアルコンシステンシー）が大幅に向上し、ストーリーの連続性を保ったまま映像を展開できるようになったという。

シーンの延長は10秒刻みで実行でき、累積で最大40秒までの長尺動画を生成することが可能となっている。開発者はプロンプト（指示文）を用いて、カメラをゆっくり引くような演出や、新たな登場人物との会話シーンへの切り替え、背景空間を劇的に変化させるような展開などを指示できる。

始点と終点のフレーム指定による精密なカメラワークと場面転換

映像の演出面においては、始点フレームと終点フレームを指定してその間を繋ぐ「ファースト＆ラストフレーム補間（First and last frame interpolation）」機能が導入された。これは動画の最初の静止画（始点）と最後の静止画（終点）をあらかじめ設定することで、その間を埋める滑らかな動きをモデルに生成させる技術である。

この機能を利用することで、映像制作者が狙った通りの構図から別の構図へと正確にカメラを移動させたり、自然なトランジション（場面の切り替え効果）を構築したりすることが容易になる。例えば、被写体のサイズを固定したまま背景の遠近感を強調するドリー・ズームや、静止した被写体の周囲をカメラが高速で旋回するような360度オービタルショットなど、高度なカメラワークを伴う連続的なカットの生成が可能になると説明されている。

360p試作から4K出力まで、制作コストと品質を両立するワークフロー

制作現場における試行錯誤（イテレーション）の速度向上とコスト最適化を目的とした仕組みも盛り込まれた。

開発やクリエイティブの初期段階では、低解像度の「360pプレビュー」を利用してアイデア出しや構図の検証を素早く行える。これにより、生成にかかる時間とコストを抑えながら、効率的にプロトタイピングを繰り返すことが可能となる。

演出や構成が確定した段階で、最終成果物を鮮明な「4K解像度」へとアップスケール（高画質化処理）できる。低解像度での迅速な検証と、スタジオクオリティに耐えうる高解像度出力を組み合わせることで、高品質な映像コンテンツやメディア編集ツール、自動生成パイプラインの開発を支援する。

提供形態と開発者向けプラットフォーム

Gemini Omni 1.1 Flashは、Googleが提供する開発者向け環境「Google AI Studio」のGemini APIを通じてアクセスできる。また、エンタープライズ向けの「Gemini Enterprise Agent Platform」を通じた利用にも対応している。

Google DeepMindは、現実世界の推論能力を備えたGemini Omniを基盤に、今回のOmni 1.1 Flashで制御性と実用性を大幅に引き上げたと述べており、生成動画ワークフローやクリエイティブツール、メディア編集ソフトウェアを構築する開発者に向けて広く活用を呼びかけている。