入力動画
現実をリミックス
入力動画をもとに、美学、アクション、エフェクトを変更できます
より緻密なコントロールを、より低コストで
シーンを延長して、より長いストーリーテリングへ
始点と終点の両方から演出
リファレンスがショットを決める
入力画像
入力動画
再撮影なしでリカット
4Kでも破綻しない物理表現
自分の世界を変換
入力動画に基づいて、美学、アクション、エフェクトを変更
生成方法
最新の動画モデルで生成
- 1
入力画像リファレンス
参照画像をアップロードして、ビジョンをガイドしましょう
- 2
プロンプトを入力
自然な言葉で、望むシナリオとサウンドを描写しましょう
- 3
Gemini Omni Flashで生成
「生成」ボタンをクリックすれば、数秒で高精細な動画が手に入ります。
何からでも作れる
どんな入力からでも、何でも作れる。まずは動画から
25 MILLIONユーザーを超えるコミュニティ
毎日AI画像を生成し、アイデアを共有し、互いに刺激し合うグローバルなクリエイティブネットワークに参加しましょう。
多くのクリエイターに利用されています 世界で5,000人以上
プランを選択
より多くの生成回数と、新機能への優先アクセスを手に入れましょう
まだご不明な点がありますか?
よくある質問にお答えしました
Gemini Omni Flashとは何ですか?
Gemini Omni Flashは、Google DeepMindの動画生成・編集モデルです。Geminiの推論力と世界知識に、画像、テキスト、動画、音声のあらゆる組み合わせから動画を作成・編集できる能力を組み合わせています。
どうやって使えばいいですか?
クリップ、画像、スケッチ、あるいはテキストだけを渡して、やりたいことを自然な言葉で説明するだけ。動画を生成または編集し、複数ターンにわたってシーンの一貫性を維持します。エディターとの対話を進めるように、各指示が前の指示の上に積み重なっていきます。
他の動画モデルと何が違いますか?
3つのポイント:シーンの一貫性を保つ会話型のマルチターン編集、ネイティブなマルチモーダル入力(画像+テキスト+動画+音声を1つのプロンプトで)、そしてGeminiの世界知識に基づくグラウンディング。物理、歴史、文化を、それらしくではなく正確にレンダリングします。
対応している入力・出力フォーマットは?
入力: 画像、動画、音声、テキスト、スケッチ。画像: PNG、JPG、WebP(最大20 MB)。動画: MP4、MOV、WebM(最大60秒)。音声: MP3、WAV(最大30秒)。出力: MP4(H.264)、16:9、9:16、1:1、または4:5。
生成できる解像度と長さは?
ネイティブ出力: 24fpsの720p。デフォルトのクリップ長は1回の生成につき8秒で、継続生成により最大60秒まで延長できます。後処理ステップとして、1080pへのアップスケールも利用できます。
多言語スピーチはどの言語に対応していますか?
英語、スペイン語、中国語(普通話)、日本語、フランス語、ドイツ語、ポルトガル語、ヒンディー語、韓国語、ロシア語、アラビア語。地域のアクセントや方言にも対応しています。リップシンクは、ターゲット言語の音素に合わせて再レンダリングされます。
1セッションあたり何回の編集ターンに対応していますか?
セッション内でのマルチターン編集は無制限です。シーンの一貫性はターンをまたいで保持されます。各ターンは新しい生成を生み、以前のターンはセッション履歴に残り、分岐や復元が可能です。
どのような安全性・来歴シグナルが含まれますか?
すべての出力には、目に見えないデジタルウォーターマークであるSynthIDと、ファイルのメタデータに埋め込まれたC2PAコンテンツ認証情報が含まれます。どちらも、通常の再エンコードやプラットフォームへのアップロード後も保持されます。