GEMINI LABEN
ROBOTICS — 8月31日に停止した ER 1.6 preview には後継があります。Gemini Robotics ER 2 が公開プレビュー中で、通常版とストリーミング版の2種類が提供されていますVIDEO — ER 2 の成功・失敗判定は静止画ではなく生の映像フィード上で動きます。こぼれ・滑り・位置ずれのような、実行の途中で起きる失敗を捉えられる設計ですDEADLINE — 次の期限は9月30日、gemini-omni-flash-preview の廃止です。移行先は8月27日に GA になった gemini-omni-1.1-flash で、残り4週間を切りましたAPIKEY — 残りの標準 API キーは、制限付きのものも含めて9月中に全面停止します。移行先は Google Cloud サービスアカウントに紐付く auth キー形式ですPRICE — Gemini 3.7 Flash の導入価格 $0.75/$3.75 per 1M は12月31日までです。2027年1月1日から $1.50/$7.50 になるため、年を跨ぐ見積もりは2本立てが要りますAUDIO — Gemini 3.5 Transcribe は85言語以上の言語検出、話者ダイアライゼーション、単語単位タイムスタンプ、最大1,000語のカスタム語彙バイアスに対応していますROBOTICS — 8月31日に停止した ER 1.6 preview には後継があります。Gemini Robotics ER 2 が公開プレビュー中で、通常版とストリーミング版の2種類が提供されていますVIDEO — ER 2 の成功・失敗判定は静止画ではなく生の映像フィード上で動きます。こぼれ・滑り・位置ずれのような、実行の途中で起きる失敗を捉えられる設計ですDEADLINE — 次の期限は9月30日、gemini-omni-flash-preview の廃止です。移行先は8月27日に GA になった gemini-omni-1.1-flash で、残り4週間を切りましたAPIKEY — 残りの標準 API キーは、制限付きのものも含めて9月中に全面停止します。移行先は Google Cloud サービスアカウントに紐付く auth キー形式ですPRICE — Gemini 3.7 Flash の導入価格 $0.75/$3.75 per 1M は12月31日までです。2027年1月1日から $1.50/$7.50 になるため、年を跨ぐ見積もりは2本立てが要りますAUDIO — Gemini 3.5 Transcribe は85言語以上の言語検出、話者ダイアライゼーション、単語単位タイムスタンプ、最大1,000語のカスタム語彙バイアスに対応しています
記事一覧/API / SDK
API / SDK/2026-07-18上級

Omni Flash の会話編集は「アングルを30度右へ」をどこまで聞き取るか — 指示が効く境界を実測した記録

公開プレビューの Gemini Omni Flash は、生成した動画を自然文で編集し直せます。ただし『照明を夕方に』は効いても『カメラを30度右へ』はしばしば外れます。効く指示と外れる指示の境界を、フレーム照合で機械的に仕分けながら測った運用記録です。

Gemini Omni Flash3動画生成会話編集マルチモーダル24コスト設計13

プレミアム記事

告知用の短い動画を作り直していて、手が止まりました。8秒のクリップの照明だけを夕方の色にしたい。以前なら素材から組み直すか、動画編集ソフトでグレーディングをやり直すところです。Omni Flash の公開プレビューでは、生成済みの動画に「照明を夕方の斜光に」と自然文で伝えるだけで、登場人物も構図も保ったまま照明が差し替わりました。元の音声トラックはそのまま残ります。

同じ調子で「カメラを30度だけ右に振って」と頼んでみると、こちらは思ったほど素直ではありませんでした。少し寄っただけだったり、別のショットに置き換わってしまったり。効く指示と、効かない指示がある。感覚では分かっても、それを毎回の目視で確かめていると、1秒0.10ドルの編集を何度も回すことになり、費用の見通しが立ちません。

個人開発でアプリの告知動画を量産している私自身にとって、ここは看過できないところでした。そこで「どの種類の指示がどれくらい効くのか」を、生成前後のフレームを Gemini に照合させて機械的に仕分けながら測ってみました。この記事は、その42回分の編集ループの記録です。

会話編集は「作り直す」から「言い直す」への移行

Omni Flash の会話編集は、動画を最初から作り直すのではなく、いま手元にある動画へ差分の指示を重ねる操作です。「登場人物を眼鏡の男性に」「背景の雨をやませて」「全体をやや暖色へ」といった言い直しで、指定した部分だけが更新されます。公開プレビューの説明では、元の音声と映像のトラックはネイティブに保持されると案内されています。

この設計は、告知素材の制作フローを変えます。動画理解を1パスに畳む話は以前 Omni Flash で動画理解を1パスに畳む で扱いましたが、今回は逆向き、つまり生成物を対話で仕上げていく側の話です。

ただし「言い直せる」ことと「意図どおりに直る」ことは別です。ここを混同すると、外れた編集にも課金され、しかも外れたことに気づかないまま次の指示を重ねてしまいます。まず必要なのは、効いたかどうかを人手に頼らず判定する仕組みでした。

効いた編集を人手で確かめない — フレーム照合という考え方

編集が効いたかどうかは、突き詰めれば「要求した変化が、生成前後で実際に起きたか」に還元できます。であれば、生成前の代表フレームと生成後の代表フレームを1枚ずつ取り出し、「この指示が反映されているか」を Gemini に照合させれば、真偽を機械的に受け取れます。

判定を確率的な文章で受け取ると運用に乗りません。responseSchema で構造を固定し、landed(反映されたか)・confidence(確信度)・note(根拠)の3つだけを返させます。確信度が低いものは「反映されていない」側に寄せて扱う、と決めておくと、迷いが消えます。

これは、決定的に確かめられることを確率的な仕組みへ丸投げしない、という判断です。SynthID の陰性が「AI 生成でない証明」にならない話を SynthID の非対称性 で書きましたが、発想は同じで、確信の持てない出力は安全側(未反映)へ倒します。

ここまでお読みいただきありがとうございます。

この記事の続きを読む

この先には、実装コードやベンチマーク結果など、実務でお役に立てる内容をご用意しています。このサイトは広告を掲載しておらず、サーバーや開発にかかる費用はメンバーの皆様のご支援で成り立っています。もしお役に立てていましたら、ご支援いただけますと大変ありがたいです。

この記事で得られること
会話による動画編集で『効いた指示』と『効かない指示』を、生成前後のフレームを Gemini に照合させて機械的に仕分ける検証ループの実装
指示の種類別の反映率(照明・色調は約90%、精密なアングル指定は約40%)を42回の編集で測った実測データ
1秒0.10ドルの編集を目視で回すとコストが読めなくなる問題を、検証ゲートで止める Before / After のコード
Stripe による安全な決済 · いつでもキャンセル可能

この記事を購入する

この先の内容をすべてお読みいただけます。一度のご購入で、いつでも何度でもアクセスできます。このサイトは広告を掲載しておらず、皆さまのご支援がサーバー費用などの運営を支えています。

または
メンバーシップなら全記事が読み放題 →
シェア

お読みいただきありがとうございます

Gemini Lab は広告なしで運営しており、サーバー費用などの運営コストはメンバーシップのご支援で賄っています。実装コード・ベンチマーク・本番設計パターンなど、実務でお役立ていただける記事を毎日更新しています。もし読んでよかったと感じていただけましたら、ぜひご覧ください。

  • コピー&ペーストで使える実装コード付き
  • 毎日新しい上級ガイドを追加
  • ¥580/月 または ¥2,480 の永久アクセス
メンバーシップを見る →

関連記事

API / SDK2026-07-05
Omni Flash で動画理解を1パスに畳む — フレーム抽出前提の構成をどこで手放すか
Omni Flash の公開プレビューで、ffmpeg のフレーム抽出と個別呼び出しに頼っていた動画理解を1回のネイティブ呼び出しへ畳む最小構成と、フレーム抽出を残すべき境界を実測ベースで整理します。
API / SDK2026-07-19
静止画か短い動画か — Nano Banana 2 Lite と Omni Flash のコスト桁差で機能の置き所を決める
壁紙アプリの目玉アセットを静止画にするか短い動画にするかで手が止まったとき、決め手になったのは好みではなくコストの桁でした。Nano Banana 2 Lite と Omni Flash の単価を同じ土俵に並べ、動く意思決定関数まで落とし込みます。
API / SDK2026-08-23
アプリに載せる AI 機能を、実行時呼び出しから配布前の一括処理に寄せました
アプリに Gemini を組み込むとき、実行時に呼ぶか配布前に呼び終えるかで呼び出し回数の増え方が変わります。素材数に比例させる設計へ切り替えた判断基準と、冪等な一括処理の実装をまとめました。
📚RECOMMENDED BOOKS
大規模言語モデル入門
山田育矢
LLM開発
生成AIプロンプトエンジニアリング入門
我妻幸長
プロンプト
Claude CodeによるAI駆動開発入門
平川知秀
AI駆動開発
※ アフィリエイトリンクを含みます
もっと見る →