Gemini Omniとは？Googleが発表した次世代マルチモーダル動画AI

GoogleはGoogle I/O 2026で、新しいマルチモーダル生成AI「Gemini Omni」を発表しました。これは、Geminiの推論能力と生成AIを組み合わせ、テキスト・画像・音声・動画を同時に入力して動画を生成・編集できるAIモデルです。

発表と同時に、最初のモデルであるGemini Omni FlashがGoogleのAIサービス群に向けて順次展開されました。

以下では、Gemini Omniの仕組み、従来の動画AI「Veo」との違い、Omni Flashの機能、提供サービス、料金体系、そしてAI生成コンテンツの検証技術SynthIDまで整理します。

---

Gemini Omniとは

Gemini Omniは、Googleが「どんな入力からでも生成できるAI」として紹介したマルチモーダル生成モデルのファミリーです。

特徴は、複数の入力形式を同時に扱える点です。

例えば1つのリクエストで次のような素材を組み合わせられます。

• テキスト指示
• 参考画像
• 音声
• 既存の動画

これらをもとに、高品質な動画を生成します。

さらに生成した動画は、自然言語で会話するように編集できます。

例えば

• 「夕方の光に変えて」
• 「キャラクターを別の服装に」
• 「カメラをズームアウト」

といった指示で、シーンやオブジェクト、スタイルを会話形式で修正できます。

Googleによると、Omniは物理・動き・オブジェクトの相互作用の理解を改善し、より自然で一貫性のある動画生成を目指しているとされています。

なお、公開時点では出力は主に動画ですが、将来的には

• 画像
• テキスト

など、他の出力形式にも拡張される予定です。

---

従来の動画AI「Veo」との違い

Gemini Omni以前、Googleの動画生成AIの中心はVeoでした。

両者の大きな違いは「モデルの役割」です。

Veo

• 動画生成に特化したモデル
• メディア生成専用の独立したシステム

Gemini Omni

• マルチモーダル統合モデル
• テキスト・画像・音声・動画を同時入力
• Geminiの推論能力と生成モデルを統合

つまりOmniは、これまで別々だった生成ツール（動画・画像など）を1つの基盤モデルに統合する試みといえます。

この設計により、ユーザーは

• 台本（テキスト）
• 参考画像
• 音声
• 実写動画

といった素材を同時に使いながら動画生成や編集を行えるようになります。

---

Gemini Omni Flashでできること

Gemini Omni Flashは、Omniシリーズの最初の実用モデルです。

1つのプロンプトで次の入力を組み合わせられます。

• テキスト
• 画像
• 音声
• 動画

そこからリアルな動画を生成し、さらに会話形式で編集できます。

Googleが紹介した主な使い方の例は次の通りです。

• テキスト＋参考画像から動画シーンを生成
• 既存動画をアップロードして内容を変更
• 音声指示で映像の要素を修正

また、物体の動きや重力などの理解を強化し、より物理的に自然な動画を生成できるよう設計されています。

---

提供開始日と利用できるサービス

Gemini Omni Flashは2026年5月19日（Google I/O当日）から順次提供が始まりました。

最初に利用できる主なサービスは次の通りです。

• Geminiアプリ
• Google Flow（AI制作スタジオ）
• YouTube Shorts
• YouTube Create

Geminiアプリでは、GoogleのAIサブスクリプションに含まれる形で提供されます。

対象プラン：

• Google AI Plus
• Google AI Pro
• Google AI Ultra

上位プランほど利用量や機能が拡張されます。

またGoogleはI/O 2026で、月額100ドルの「AI Ultra」プランを新たに発表し、開発者やクリエイター向けに高い計算リソースを提供するとしています。

---

SynthID：AI生成コンテンツの識別技術

強力な生成AIの普及に伴い、Googleはコンテンツの透明性対策も同時に強化しています。

その中心がSynthIDです。

SynthIDは、AI生成コンテンツに**人間には見えないデジタル透かし（ウォーターマーク）**を埋め込む技術です。

対象は次の形式です。

• 画像
• 動画
• 音声
• テキスト

透かしは人には認識できませんが、ソフトウェアで検出できます。

---

SearchやChromeでAI画像を検出

I/O 2026では、SynthIDの検証機能がGoogleの主要サービスにも拡張されました。

例えば：

• Google Search
• Chromeブラウザ

これにより、ユーザーはオンラインの画像が

• 実写
• 編集済み
• AI生成

のどれなのかを確認できるようになります。

---

業界横断での採用も拡大

GoogleはSynthIDを業界標準に近い仕組みへ広げる方針も発表しました。

採用企業として名前が挙がっているのは次の企業です。

• OpenAI
• Kakao
• ElevenLabs
• Nvidia

複数企業が同じウォーターマーク技術を使うことで、AI生成コンテンツをインターネット全体で識別しやすくする狙いがあります。

---

AI動画生成の方向性を変えるモデル

Gemini Omniが示しているのは、AIモデルの設計の変化です。

従来は

• テキストAI
• 画像生成AI
• 動画生成AI

と分かれていました。

Googleはこれを、1つのマルチモーダル基盤モデルに統合しようとしています。

現在は「複数入力 → 動画生成」から始まっていますが、将来的には

あらゆる入力からあらゆるメディアを生成できるAIへ発展する可能性があります。

同時に、SynthIDのような識別技術を組み合わせることで、AI生成コンテンツの信頼性と透明性を確保しようとしている点も今回の発表の重要なポイントです。