「Geminiで動画を作ってみたいけれど、どこから始めればいいのか分からない」という声は多いものです。検索すると Veo や Gemini Omni といった名前が並び、どれが今の自分に関係するのかも見えにくくなっています。この記事では、Gemini の公式ページと Google DeepMind の Veo のページに書かれている内容だけをもとに、Gemini の動画生成で何ができて、どんな流れで作るのかを整理しました。読み終えたときに、自分の目的に合う入り口と最初の一歩が決まっている状態を目指します。
- 公式ページに書かれている Gemini 動画生成の機能
- 会話で動画を作る流れと、できあがった動画の直し方
- Gemini Omni と Veo 3.1 の記載の違いと使い分けの目安
- そのまま使えるプロンプト例と職種別の活用例
要点
- 公式ページでは、Gemini Omni は「会話するのと同じくらい簡単に動画を作れる」ものとして紹介されており、Gemini アプリでは Veo を置き換えると書かれている
- Gemini Omni 1.1 Flash として挙げられているのは、10秒の動画の作成、ネイティブの音声生成、写真から動画(最大5枚)、シーンの延長、動画から動画への編集、複数回にわたる編集、アバター
- 入力はテキストだけでなく、写真や動画を組み合わせられる。直したいところはチャットで伝えて直していく形が説明されている
- 利用には Google AI のサブスクリプションが必要と記載があり、機能はプランの階層と地域によって変わる、18歳以上向けと書かれている(2026年11月時点の公式ページの記載。使う前に公式ページで最新を確かめてください)
- Veo 3.1 は映像制作者と語り手のためのモデルとして公開され、参照画像やカメラ操作、1080p と 4K の出力などが説明されている
Gemini の動画生成でいま何ができるのか
まず全体像を押さえます。Gemini の動画生成のページでは、Gemini Omni というモデルが中心に説明されています。公式の表現では「Gemini Omni は、会話するのと同じくらい簡単に動画を作れるようにします」とあり、さらに「動画版の Nano Banana のようなものだと考えてください」とも書かれています。Nano Banana は画像の生成と編集で知られたモデルの呼び名で、チャットで直しながら仕上げていく感覚が動画にも持ち込まれた、という説明の仕方です。
Gemini Omni 1.1 Flash として挙げられている機能
公式ページには、Gemini Omni 1.1 Flash について「マルチモーダルな AI 動画生成・編集モデルで、これまでの Google Gemini Veo 3.1 モデルを置き換える」と書かれています。マルチモーダルとは、文章・画像・動画など種類の違う情報をまとめて扱えることを指す言葉です。そして次の項目が並んでいます。
- 10秒の動画を作る
- ネイティブの音声生成
- 写真を動画にする(最大5枚)
- シーンの延長
- 動画から動画への編集
- 複数回にわたる編集
- アバター
あわせて「Google AI のサブスクリプションが必要です。機能は階層と地域によって異なります。18歳以上」という条件も明記されています。プランや提供の範囲は変わることがあるため、申し込む前に公式ページで最新の内容を確かめるのが確実です。
会話で直していく形が前提になっている
編集については「直したいところを Gemini に伝えるだけです。チャットで、登場人物を入れ替える、照明を調整する、動画を安定させる、背景を変えるといったことができます」と説明されています。また「背景を差し替える、衣装を変える、スタイルを移す。そのすべてを、あなたのディテールを保ったまま」という紹介もあります。一度の指示で完成させるのではなく、出てきた動画を見て、気になる点を一つずつ言葉で直していく流れです。
よくある質問の欄では「プロンプトひとつで AI の動画編集者になれます」とも書かれています。編集ソフトの操作を覚える前に、まず言葉で伝えてみる、という入り口になっています。
アバターと SynthID の扱い
アバターは「一度 AI アバターを追加すれば、自分の見た目と声を持ったコンテンツをいくつでも作れる」と説明されています。公式ページには「完全に任意であり、あなたのアバターで動画を作れるのはあなただけです」と書かれており、「誰があなたのアバターで作れるか、いつ使えるかを決められる」という管理の説明も添えられています。友人とアバターを共有して、お互いの作品に出演させる使い方も紹介されています。
生成した動画の扱いで押さえておきたいのが SynthID です。公式ページには「Gemini アプリで生成されたすべての動画には、Google の AI が生成したコンテンツを識別するための、目に見えない透かしである SynthID が埋め込まれます」と書かれています。さらに「ファイルをアップロードして、Google の AI で生成されたかどうかを尋ねれば、Gemini が SynthID を確認します」という説明もあり、確認の対象は画像・動画・音声に広がったとされています。仕事で使う素材の出どころを確かめたいときに知っておくと役立つ仕組みです。
Gemini で動画を作る手順
公式ページに書かれている流れをそのまま番号にすると、次のようになります。画面のボタン名やメニュー名は公式ページには書かれていないため、細かい操作は公式のヘルプの手順に沿って進めてください。
- 有料プランの状態を確認する。公式ページには「まだ有料プランではありませんか。アップグレードして Gemini Omni などを利用できるようにしましょう」と案内があり、Google AI のサブスクリプションが必要と明記されています
- 始め方を選ぶ。公式ページでは「ゼロから始める、自分のギャラリーをリミックスする、用意されたテンプレートを試す」の三つが挙げられています
- 入力を決める。「テキスト・写真・動画のどんな組み合わせでも動画にできる」とあり、写真から作る場合は「写真の参照から動画を作る(最大5枚)」と書かれています
- 言葉で指示する。作りたい場面や動き、音の雰囲気を文章で伝えます
- 出てきた動画をチャットで直す。登場人物の入れ替え、照明の調整、手ぶれの安定、背景の変更がチャットでできると説明されています
- 必要なら続きを作る。「次に何が起きるかを Gemini に尋ねて、話を保ったまま動画を長くする」とされています
この流れで作った動画には SynthID が埋め込まれます。社外に出す素材の場合は、生成 AI を使ったことを社内のルールに沿って共有しておくと、後の確認が楽になります。
Veo 使い方で押さえておきたい機能
Google DeepMind の Veo のページでは、Veo 3.1 が「映像、音声との出会い。映像作家と語り手に力を与えるために設計された、私たちの主要な動画生成モデル」として紹介されています。ページ上部には「Try in Gemini」「Try in Google Flow」「Build with Veo」という三つの入り口が並んでいます。
機能として説明されているのは次のような内容です。
- 音声について「Veo 3 では、効果音、環境音、さらにはセリフを作品に加えられます」とあり、音声はネイティブに生成されると書かれています
- 参照画像について「シーン、キャラクター、物の参照画像を Veo に与えて生成を導く」と説明され、音声も含むようになったとされています
- 画風をそろえる使い方として「スタイルの参照画像を与えれば、Veo は同じ見た目のスタイルで動画を生成します」と書かれています
- キャラクターの一貫性について「動画の異なるシーンをまたいでキャラクターの見た目が保たれるようにする」と説明されています
- シーンの延長について「最初のショットの最後の1秒を使って物語を続ける」とあり、映像と音声の一貫性を保つとされています
- カメラ操作について「カメラコントロールを使って、ショットの構図と動きを正確に制御する」と書かれ、後退、ズームイン、上への移動、右への移動が例示されています
- 最初と最後のフレームを渡す使い方として「最初と最後のフレームとして与えられた画像の間に、滑らかで美しく壮大な移り変わりを作る」と説明されています
- 編集では、アウトペインティングが「新しく、まわりと合う部分で動画を広げ、どんな画面の大きさや形にも合わせやすくする」と説明され、物の追加と削除では「規模、相互作用、影を考慮する」「場面の自然な構図、相互作用、影を保つ」と書かれています
- 物の動きについて「物を選んで経路を決めれば、Veo が動きとして実現する」とあります
- 解像度は「1080p と 4K で出力を生成する」と書かれ、1080p は編集に向いた鮮明な映像、4K は豊かな質感とされています
Veo 3 の紹介では「プロンプトの追従が向上し、指示へのより正確な反応を意味する」とも書かれています。性能の欄には、Meta が公開したベンチマーク用データセットである MovieGenBench の1,003件のプロンプトを使った比較評価が掲載され、2025年10月に更新されたと記載されています。評価の軸は、全体の好み、文章との一致、視覚的な品質などです。
複数のカットをつないで作品にする入り口として、Google Flow も紹介されています。「Google Flow を使えば、私たちの最も有力な生成 AI モデルで、継ぎ目のない映画的なクリップ、シーン、ストーリーを作れます」と書かれています。
Gemini Omni と Veo 3.1 の記載を並べて見る
二つのページに書かれている内容を項目ごとに並べました。空欄を「なし」と書くのではなく、公式ページで確かめるべきところはそのように記しています。
| 項目 | Gemini Omni 1.1 Flash の記載 | Veo 3.1 の記載 |
|---|---|---|
| 位置づけ | Gemini アプリで Veo を置き換えると記載 | 映像作家と語り手のための主要な動画生成モデルと記載 |
| 長さ | 10秒の動画を作る | 公式ページで確認(シーンの延長の説明あり) |
| 音声 | ネイティブの音声生成 | 効果音・環境音・セリフをネイティブに生成 |
| 入力 | テキスト・写真・動画の組み合わせ/写真は最大5枚 | テキストから動画/画像から動画/シーン・キャラクター・物の参照画像 |
| 編集 | 動画から動画への編集/複数回の編集/シーンの延長/アバター | 物の追加と削除/アウトペインティング/カメラ操作/物の動きの指定/最初と最後のフレーム |
| 解像度 | 公式ページで確認 | 1080p と 4K |
| 試せる場所の記載 | Gemini アプリ | Try in Gemini/Try in Google Flow/Build with Veo |
| 利用の条件 | Google AI のサブスクリプションが必要/機能は階層と地域で変わる/18歳以上 | 公式ページで確認 |
使い分けの考え方(目安)
ここからは出典にある事実をふまえた、用途ごとの向き不向きの目安です。機能の仕様ではなく、入り口の選び方の考え方として読んでください。
| やりたいこと | 考え方の目安 |
|---|---|
| 思いついた場面を会話で形にしてみたい | Gemini アプリの Gemini Omni から試すのが近道になりやすい |
| 手元の写真を動かして短い紹介にしたい | 写真から動画(最大5枚)の説明がある使い方を見てみる |
| 登場人物や画風を複数カットでそろえたい | 参照画像やスタイル参照の説明がある Veo の機能を調べる |
| 仕上がりの解像度にこだわりたい | 1080p と 4K の記載がある Veo の説明を確認する |
| 複数のクリップをつないで物語にしたい | Google Flow の説明を確認する |
すぐ使えるプロンプト例
ここからは実際の書き方の例です。場面・動き・音・用途を分けて書くと、意図が伝わりやすくなります。公式ページのプロンプト例も、場面の説明とカメラの動き、音の指定を一つの文章にまとめた形になっています。
10秒の動画を作ってください。
場面:朝の自宅のデスク。ノートパソコンを開き、マグカップを置く手元のクローズアップ。
光:窓から入る柔らかい朝の光。
カメラ:ゆっくり寄っていく。
音:キーボードを打つ音、カップを置く軽い音、静かなピアノ。
ナレーション:「今日のやることを、はじめに三つだけ決める」
用途:社内向けの業務改善の紹介動画の冒頭。
添付した写真3枚をもとに、10秒の動画にしてください。
写真の内容:1枚目は商品の全体、2枚目は手に持った様子、3枚目は使っている場面。
流れ:全体から手元へ、そして使っている場面へと移る。
音:穏やかな環境音と、落ち着いたアコースティックの音楽。
文字は入れず、映像と音だけで伝わる形にしてください。
用途:取引先への説明の前に見せる短い紹介。
いまの動画を次の順番で直してください。一度にまとめず、一つ直すたびに見せてください。
1. 背景を白い壁の会議室に変える
2. 照明を明るくして、顔にかかる影を減らす
3. 映像の揺れを抑えて落ち着いた見え方にする
直したあと、どこを変えたかを一行で教えてください。
この動画の続きを作ってください。
いまの場面:机の上の資料を一枚めくったところ。
次に起きること:めくった先のグラフに指を置き、画面の外へ視線を上げる。
物語のつながりと、いまの音の雰囲気はそのまま保ってください。
よくある失敗と対策
一本で長い動画を作ろうとして行き詰まる
公式ページの記載は10秒の動画を作るというものです。最初から数分の尺を一本で狙うのではなく、伝えたいことを10秒ごとの場面に分け、必要に応じてシーンの延長を使って続きを足していく考え方が現実的です。構成を先に箇条書きにしておくと、場面の数も決めやすくなります。
写真を大量に渡そうとする
写真から動画を作る機能は、公式ページに「最大5枚」と書かれています。素材を多く渡せば良くなるとは限らないため、全体・寄り・使用場面のように役割の違う数枚を選ぶとよいでしょう。どの写真をどの順番で見せたいかを文章で添えるのも有効です。
直し方の指示が漠然としている
「もっと良くして」では、どこを変えたいのかが伝わりません。公式ページでは、登場人物の入れ替え、照明の調整、映像の安定、背景の変更といった具体的な直しがチャットでできると説明されています。複数回にわたる編集が挙げられているので、一度に全部ではなく一点ずつ直す進め方が合います。
プランや地域の条件を確かめずに進める
公式ページには、Google AI のサブスクリプションが必要で、機能は階層と地域によって異なり、18歳以上向けと書かれています。2026年11月時点の記載であり、条件は変わることがあります。チームで使う計画を立てる前に、公式ページで現在の条件を確認しておくと手戻りが減ります。
生成した動画の扱いを決めていない
Gemini アプリで生成された動画には SynthID が埋め込まれると公式ページに書かれています。社外に出す素材かどうか、生成 AI を使ったことをどう伝えるかは、社内のルールに沿って決めておくのが安全です。著作権などの個別の判断は、所属先の担当部署や公式の窓口、専門家に確認してください。
職種別の使い方の例
ここで挙げるのは、公式ページにある機能の範囲で考えた使い方の例です。自分の仕事に当てはめる出発点として読んでください。
営業
商品の写真が数枚あるなら、写真から動画を作る使い方で、短い紹介クリップを用意するという手があります。訪問前に送る一本、商談の導入で見せる一本と、場面ごとに作り分ける考え方です。音声がネイティブに生成されると説明されているので、短いナレーションを添えた形も試せます。
事務・バックオフィス
手順の説明を文章だけで伝えると読み飛ばされがちです。作業の流れを10秒ずつの場面に分け、言葉で指示して短い説明動画にするという使い方が考えられます。チャットで直せるので、運用が変わったときに該当の場面だけ作り直す進め方も取りやすいでしょう。
企画・マーケティング
企画書に文章で書いた世界観を、短い映像にして関係者と共有する使い方があります。参照画像で画風やキャラクターの見た目をそろえられると説明されているので、複数の案を同じ雰囲気で並べて比べる、という進め方も考えられます。制作会社に依頼する前のたたき台として使えば、イメージのずれを早く減らせます。
よくある質問
Gemini で動画はどうやって作るのですか
公式ページでは、ゼロから始める、自分のギャラリーをリミックスする、用意されたテンプレートを試す、という始め方が挙げられています。入力はテキスト・写真・動画のどんな組み合わせでもよいとされ、作りたい内容を言葉で伝えて作ります。画面の細かい操作は公式のヘルプの手順を確認してください。
Veo と Gemini Omni はどういう関係ですか
公式ページには「Gemini Omni は Gemini アプリで Veo を置き換えます」と書かれています。また Gemini Omni 1.1 Flash は、これまでの Google Gemini Veo 3.1 モデルを置き換えるモデルと説明されています。Veo のページには Try in Gemini、Try in Google Flow、Build with Veo という入り口が並んでいます。
料金はかかりますか
公式ページには「まだ有料プランではありませんか。アップグレードして Gemini Omni などを利用できるようにしましょう」という案内と、「Google AI のサブスクリプションが必要です」という記載があります。機能は階層と地域によって異なるとも書かれています。これは2026年11月時点の記載なので、申し込む前に公式ページで最新を確かめてください。
動画に音は付きますか
Gemini Omni 1.1 Flash の項目にはネイティブの音声生成が挙げられています。Veo のページでは「Veo 3 では、効果音、環境音、さらにはセリフを作品に加えられます」と説明され、音声はネイティブに生成されるとされています。プロンプトの中で音の雰囲気やセリフを書き添えると意図が伝わりやすくなります。
写真から動画は作れますか
公式ページには「写真を動画にする(最大5枚)」「写真の参照から動画を作る(最大5枚)」と書かれています。よくある質問の欄でも、写真を動かしたり、どんな入力からでも動画を作れるという説明があります。
作った動画が AI 製かどうかは分かりますか
公式ページには、Gemini アプリで生成されたすべての動画に SynthID という目に見えない透かしが埋め込まれると書かれています。また、ファイルをアップロードして Google の AI で生成されたかを尋ねると、Gemini が SynthID を確認して回答するという説明もあります。
会社やチームで使うなら
動画生成は、担当者一人が試す段階と、チームで使う段階で必要なものが変わります。プランの階層や地域によって機能が異なると公式ページに明記されているため、まず使える範囲を確認し、生成した素材の確認手順と公開のルールを先に決めておくと運用が安定します。株式会社デジライズは法人向け AI リスキリングサービスで導入社数 No.1(東京商工リサーチ・2026年3月末時点)で、累計600社超・5万人以上の AI 活用を支援してきました。法人での導入や研修を考えている場合は、株式会社デジライズに相談できます。
あわせて読みたい
まとめ
Gemini の動画生成は、公式ページを読むかぎり、10秒の場面を言葉で作り、出てきた動画をチャットで直し、必要なら続きを足していく流れが中心です。写真から作る、音声を含める、シーンを延ばすといった機能を知っておけば、最初の一本までの距離はぐっと縮まります。Veo のページにある参照画像やカメラ操作、1080p と 4K の説明も読んでおくと、作りたいものに合う入り口を選びやすくなります。動画生成を体系的に学びたい場合は、動画990本以上のデジライズAIスクールで「動画生成AIの基本と始め方」のような講座から入る方法もあります。コース一覧や料金プランから、自分に合う進め方を選んでみてください。
出典
この記事は、各社の公式のヘルプ・ドキュメントや公的機関の資料をもとに AI で下書きし、出典の本文との照合とGoogle 検索による事実確認(ファクトチェック)を通ったものだけを公開しています。料金や機能は変わることがあるため、使う前に公式ページで最新の情報を確かめてください(2026年11月9日時点)。
