Gemini Omni 1.2のカメラワーク検証: FPV飛行、人物周囲の回転、ガラス通過
動画生成AI「Gemini Omni 1.2 Flash」のカメラワーク制御を実機検証。FPV飛行や人物回転撮影、ガラス通過カットの追従性を他社モデルと比較します。
👁 111閲覧数
従来の多くの動画生成AIには共通の癖があります。カメラワークをプロンプトで指示しても、ワンカットの滑らかな動きではなく、勝手にカットを割って編集してしまう点です。人物の周囲をぐるりと回る映像を求めても異なるアングルからの3カットに分割されたり、室内を通り抜ける指示を出しても部屋のディテールが毎回変わる断続的な映像になったりしがちでした。Google DeepMindによると、Gemini Omni 1.2 Flashではこの点が大幅に改善され、複雑で連続的なカメラワーク、FPVドローン飛行、ズームアウトやオービット（回転）、意図しないカット割りの削減、被写体スケールの維持が可能になったとされています。3つのシーンと5つの競合モデルを用いてその実力を検証しました。
テスト1: 15秒間のFPVドローン飛行
今回課した中で最も難易度の高いタスクです。夕暮れ時の団地の上空からドローンが降下し、建物の間をすり抜け、布団叩き台やベンチの上を通過して、ミルクバー（大衆食堂）のドアから店内へ突入。カウンターの上を滑るように進み、スープを飲む高齢男性の前で静止するというルートを、すべてワンカットで撮影する指示です。
Omniはこれを途中のカット割りなしで見事に完走しました。屋外から屋内への移行はシームレスで、店内の空間構造も破綻せず成立しています。奥のテーブルに座る男性はカメラの接近に伴って自然に画面内で拡大し、指定通りその直前で静止しました。飛行ルートも正確で、建物の合間を抜け、ベンチのある小道の上を低空飛行し、開放されたドアへ真っ直ぐ進入しています。モデルが独自に付け加えた要素は一つだけで、最後の男性がプロンプトで求めていないにもかかわらず、ポーランド語の原文で「こんにちは」という意味の挨拶（ポーランド語原文の翻訳）を発声した点だけでした。
このクリップの生成待機時間は81秒で、API費用は1.04 USDでした。
テスト2: 被写体周囲の360度カメラ回転
ミュージックビデオやCMなどで定番の、被写体の周りをカメラが360度回り込むショットです。モデルには背後の姿を矛盾なく生成し、再び同じ顔立ちに戻る一貫性が求められます。指示内容は、青空市場でリンゴを売る女性の周囲をノーカットかつ被写体のサイズ感を一定に保ったまま一周させるというものです。6つのモデルで720p・6秒間の出力を比較しました。
| モデル | カメラの挙動 |
|---|---|
| Gemini Omni 1.2 Flash | 完全な360度回転（正面、側面、背面、正面）をワンカットで生成 |
| Gemini Omni 1.1 Flash | 回転するものの、映像に引っかかりやブレが発生 |
| Seedance 2.0 Fast | 回転せず、顔へのわずかなズームインにとどまる |
| Veo 3.1 Lite | カメラが完全に固定 |
| Wan 3.0 | カメラが完全に固定 |
| Kling 3.0 Standard | カット割りが入り複数アングルの映像になる |
これは今回のテスト全体を通して最も顕著な性能差でした。ポーランド語でのセリフ生成ではVeoやWanもOmniと同等以上の成果を収めていましたが、カメラワークの制御性に関してはOmni 1.2が頭一つ抜けています。
テスト3: 曇ったガラスを透過するカメラ
アニメ風のシーンにおいて、路面電車の外側から曇った窓ガラスを通り抜けて車内へ進入するカメラワークを試しました。実写映像であればドローンや特殊効果、合成編集を駆使するような難易度の高いトランジションです。Omniはこれを極めて滑らかに処理し、車内に座る少女のキャラクターデザインもブレずに維持されました。唯一の不備は文字を含めないよう指定していたにもかかわらず、車両の行先表示板に文字がレンダリングされてしまった点です。
モデルが自動でカット割りを行うケース
クリスマスイブの食卓に3人の人物が揃うシーンでは、あえて「ワンカット」の指示を入れずに生成してみました。するとモデルは発話者に合わせて祖母、孫、母親へと自動的にカットを切り替えました。これはテレビドラマの会話シーンのように極めて自然な編集です。Googleの公式ドキュメントでも、Omniは状況に応じてデフォルトでカット割りを行う場合があると説明されており、不要な場合は「1つの連続したショット（one continuous shot）」と明記することが推奨されています。回転や飛行のシーンでは、この一言をプロンプトに加えるだけで十分機能しました。
狙い通りのカメラワークを指示するプロンプトのコツ
- 動作の名称を明記する: オービット（周囲旋回）、プッシュイン（前進）、プルアウト（後退）、FPVドローン飛行、手持ちカメラ（ハンドヘルド）、固定三脚など。
- 経路を具体的に定義する: どこからスタートし、何を経由して、どの位置で停止するかを記述します。
- 「カットなし（no cuts）」と「被写体のスケールを固定（consistent subject scale）」を併記する: 人物の周囲を回り込むカメラワークでは特に有効です。
- 十分な生成尺を与える: 複数の場所を通過するロングショットには10-15秒が必要です。尺が短いと、モデルが経路を強制的に短縮してしまいます。
- ネガティブ指定は完成クリップで確認する: 今回のアニメ例のように、文字なしを指定しても標識などにテキストが生成されるケースがあります。
実践的なプロンプトの構成例についてはGemini Omni 1.2向けプロンプト集、他社ツールとの総合比較はOmni 1.2とSeedance、Kling、Veo、Wanの比較、モデルの全体仕様についてはGemini Omni Flash解説ハブをご覧ください。
Kiramesuの関連記事
速報·GPT-6 CyberとFirefox：81件の深刻な脆弱性を発見。Mozillaの報告を検証OpenAIのGPT-6 CyberがFirefoxから81件の深刻な脆弱性を検出。Mozillaセキュリティ勧告MFSA 2026-118の内容と実態を検証します。