8月27日、Googleが「Gemini Omni 1.1 Flash lets you build with more control」と題した記事を公開した。開発者向け動画生成モデル「Gemini Omni 1.1 Flash」の詳細が明らかになり、シーン拡張機能における文脈参照窓の大幅拡張をはじめとした制御性強化の内容が示されている。
動画生成AIはOpenAIのSora、RunwayのGen-4、KlingなどのモデルがAPIを公開し、2025年以降は「デモとして動くモデル」から「実際のワークフローに組み込めるモデル」への移行が業界全体の課題になってきた。Googleが今回のリリースで「build with more control（より高い制御性でビルドする）」というタイトルを掲げたのも、その文脈からだ。なお、Googleの動画生成モデルとしては別ラインの「Veo」シリーズも存在するが、Gemini Omni 1.1 FlashはGemini APIおよびAI Studio経由で開発者が直接組み込める点で位置づけが異なる。
最大の変更点：シーン拡張の「文脈参照窓」が10倍に
今回の発表でプロダクション利用上のインパクトが最も大きいのが、Scene Extension（シーン拡張）機能の強化だ。
既存の動画を起点に映像を継続生成するシーン拡張機能自体は以前から存在していた。しかし旧モデルが参照できる先行コンテキストは直前の1秒のみだった。これがOmni 1.1では最大10秒に拡張された。
この差は実用上で大きく現れる。1秒しか参照できなければ、カメラワークや被写体の動きが継ぎ目でぶれやすく、編集後処理が必要になることが多い。10秒の文脈を持てれば、視覚的な一貫性を保ちながらストーリーラインを継続しやすくなる。
仕様をまとめると：
- 参照できる先行コンテキスト：最大10秒（旧モデルは1秒）
- 1回の拡張単位：10秒
- 累積最大長：40秒（最大4回まで継続生成可能）
長尺動画を一発生成するのではなく、10秒単位でインクリメンタルに積み上げる設計だ。生成コストやエラーのリカバリを考えると、一括生成より分割生成のほうがプロダクション環境では現実的であり、この設計思想はワークフロー統合を意識したものだ。
「制御性」の強化——開発者が求めてきたもの
元記事が「more control」と表現する方向性は、Scene Extension以外にも及んでいる。Gemini Omni 1.1 Flashは、生成動画ワークフロー・クリエイティブツール・メディア編集ソフトウェアの3分野を主なターゲットとして明示しており、それぞれの用途で反復的な制作フローに耐えられる安定性を重視している。
動画生成AIがプロダクション現場で採用されにくかった理由の一つは、「同じプロンプトでも毎回結果が大きく変わる」という再現性の低さだ。今回のアップデートはこの部分——視覚的一貫性の維持とデプロイ品質の安定化——に照準を合わせている。元記事では生成動画ワークフローへの統合を念頭に置いた制御性の改善が強調されており、品質指標の向上よりも運用上の扱いやすさを前面に打ち出した位置づけといえる。
アクセス方法
Gemini Omni 1.1 FlashはGemini APIおよびGoogle AI Studio経由で利用可能だ。Google AI Studioからはブラウザ上で直接試すことができ、APIキーを持つ開発者であれば既存のGeminiワークフローに組み込む形で検証を開始できる。
動画生成AIの競争軸が「品質のデモ」から「ワークフロー統合の実用性」にシフトしている中、Gemini Omni 1.1 FlashのScene Extension強化はその方向性を端的に示すアップデートだ。10秒の文脈参照と40秒までの累積生成という具体的な仕様は、動画制作パイプラインを実際に構築している開発者にとって評価しやすい指標となる。
詳細はGemini Omni 1.1 Flash lets you build with more controlを参照していただきたい。
