Gemini 3.5 Flash Omni ローンチ：クリエイター向けGoogleマルチモーダルAIアップデート

2026年5月20日現在、Google I/O 2026の発表直後でまだ話題が落ち着いていませんが、マルチモーダルツールにとって大きな前進を感じさせる内容となっています。Gemini 3.5 FlashはGeminiアプリとSearchのAIモードのデフォルトモデルになり、従来の約4倍の速度を実現しながら、コーディング支援やエージェント機能が強化され、推論コストも低減されました。同イベントでは、テキスト・静止画・動画クリップ・音声を組み合わせて一貫した動画を出力できるマルチモーダルワールドモデル「Gemini Omni」も発表されました。初期デモでは、短いテキストプロンプトに参照写真と数秒の環境音を組み合わせることで、驚くほど安定したモーションを生成していました。Gemini Omni FlashはGoogle AI Plus、Pro、Ultra加入者向けにメインアプリ、Google Flow、YouTube Shortsですぐに利用可能で、APIの一般公開も数週間以内に予定されています。

クリエイターにとって重要なのはスペックではなく、スピードと一貫性です。Gemini 3.5 Flashの性能向上により、プロンプトから実用的な出力までの時間を大幅に短縮できます。エージェント機能の強化により、ストーリーボード生成から選択フレームの短いクリップへの拡張といった複数ステップのタスクも自動で計画可能になりました。Gemini Omniの混合入力方式は、画像から動画へのパイプラインに特に有効です。既存の静止画、スタイル参照動画、カメラワークを指定する短い音声メモを入力するだけで、3つの信号をすべて反映した出力が得られます。このレベルのコントロールは、従来は重いポストプロダクションなしでは難しかったものです。

早期テストでクリエイターから最も多く挙げられる改善点は、プロンプトの忠実度とキャラクターの一貫性です。モーションがショット間で同じ被写体に固定されることで、編集時間が大幅に短縮されます。混合メディアプロンプトは、小規模なクリエイティブ実験にも役立ちます。商品レンダリングをライフスタイルシーンに挿入したり、生成映像にダイアログを重ねたりする作業が、最初からすべて作り直すことなく可能になります。私自身もいくつか混合入力テストを行いましたが、複雑なカメラワークではまだ完璧とは言えないものの、予想以上に実用的な結果が得られました。このようなマルチモーダルの進化は、次世代動画ツールの方向性をすでに形作っており、Gemini Omniの露骨なコンテンツへの対応についても議論が進んでいます。詳細はこちら：Gemini omni nsfw: GoogleのAIビデオモデルが露骨なコンテンツをブロックする理由。