Gemini Omni 1.2の対話型動画編集機能とは？仕組みと初日テストの失敗検証

👁 112閲覧数

対話型動画編集は、Googleが15秒クリップや低価格化と並び、Gemini Omni 1.2 Flashの目玉として掲げている機能です。生成したクリップに対し、まるで映像編集者に指示を出すように「背景を変えて」「製品を差し替えて」「昼を夜にして」「縦長にして」と追加入力できます。モデルは最初からすべてを作り直すのではなく、指示された部分だけを修正し、残りは維持します。バージョン1.2では、最長15秒の動画全体でこの編集が可能です。

発売初日（2026年11月5日）に自身のテストクリップでこの機能を試そうとしましたが、結果としてうまくいきませんでした。しかし、その顛末も記録として共有する価値があると考えます。本記事では、Googleが説明する編集の仕組み、実施したテスト内容、発生したエラー、および利用時の制約について解説します。

Google公式が説明する対話型編集の仕組み

Geminiアプリ、Flow、Google Vidsなどのツールにおいて、編集は対話形式で次のメッセージを送信するだけで行えます。API経由での仕組みは以下の通りです。

• 生成ごとに固有のIDを持つ「インタラクション（interaction）」が作成されます。これを修正するには、previous_interaction_idパラメータを指定して新しいプロンプトを送信します。動画を再度アップロードする必要はありません。
• 各ターンで直前の状態をベースにした新しいクリップが生成されます。背景の変更、照明の調整、天候の変更といった段階的な修正が可能です。
• 保存を無効（store=false）に設定している場合、後からクリップを編集することはできません。
• Googleは、プロンプトを簡潔にし、英語で「Keep everything else the same（その他はすべてそのまま維持）」といった文言を付け加えることを推奨しています。
• 自身でアップロードした最長15秒までの動画も編集可能です。

公式発表で挙げられている例としては、製品や背景の差し替え、照明や天候の変更、アスペクト比の切り替えなどがあります。さらに、クリップを延長して合計最長30秒にする機能や、最初と最後のフレーム間をつなぐトランジション機能も用意されています。

注意点：EEA・スイス・英国では生成クリップのみ編集可能

欧州経済領域（EEA）、スイス、英国のユーザーにとって重要な制約があります。これらの地域では、自身でアップロードした動画の編集および延長機能が提供されていません。Omni自身が生成したクリップのみ編集・延長が可能です。また、同地域では未成年者が映った画像を編集用にアップロードすることも全面的に禁止されています。

つまり、スマートフォンで撮影した動画をOmniに取り込んで夜や冬のシーンに変えるといった処理は行えず、ゼロから生成したクリップのみが対象となります。この制限はバージョン1.1から継続しています。

テスト結果：5回試行して5回ともエラー

検証は、発売当日にgoogle/gemini-omni-1.2-flashモデルの提供を開始したOpenRouter経由で行いました。まず雨降るクラクフの集合住宅の窓辺にいる茶トラ猫の4秒クリップを生成し、「時間帯を夜に変更、窓の外に黄色い街灯を点灯、雨は維持、猫はそのまま維持」という編集を試みました。タスクパラメータの変更や公開URLの指定など、5通りの方法で動画を送信しましたが、いずれも「Video generation failed」というエラーが返され、失敗しました（幸い費用は請求されませんでした）。

同様の問題は他でも報告されています。発売初日にモデルを検証したSegmindのテスターによれば、修正（refine）機能は「not available yet」と返され、回避策として前のクリップを通常の動画編集に回す必要があったとのことです。発売時点では、対話型編集はGoogleのファーストパーティ製品および公式Gemini APIで主に動作しており、外部のAPIプロバイダ側では実装準備中だったと見られます。

画像を使った回避策：思い通りの結果にはならず

別の回避策として、家庭菜園の区画でバーベキューをする男性たちの生成済みクリップから最初の1フレームを抽出し、それを参照画像として次のプロンプトを与えました。「同じシーン、同じ人物、ただし冬、大雪が降っている、2人とも帽子とマフラーを着用」。なお、元の生成クリップの音声プロンプトはポーランド語でテストされたものです。

出力結果は示唆に富むものでした。人物の外見、服装、グリル、さらには構図まで元の画像とほぼ同一で、ポーランド語の会話も途切れずに出力されました。しかし、冬の要素は現れず、青々とした木々、夏の日差し、帽子なしのままでした。モデルはテキスト指示よりも画像の視覚情報を優先した形です。カット間でキャラクターの一貫性を保つ目的には適していますが、編集目的の回避策としては機能しませんでした。

対話型編集がもたらす実務上のメリット

発売日の検証ではエラーに見舞われたものの、対話型編集は長期的に見てOmniの最も魅力的な機能だと評価できます。従来の動画生成モデルでは、わずかな修正でもすべてを再生成する必要があり、顔や背景、カメラワークが毎回変わってしまう問題がありました。Googleの説明通りに対話編集が機能すれば、広告やショート動画制作のワークフローが大きく変わります。ベースとなる良質なワンカットを一度生成し、夏版、冬版、夜版、縦長版などを部分的な修正指示だけで効率的に展開できるようになります。

現時点で利用可能な環境は以下の通りです。

• Google Vids - GoogleアカウントまたはGoogle Workspace環境で、追加料金なしで15秒クリップを生成可能。
• Flow - シーン演出や複数ターンの編集に対応したGoogleのツール。
• Geminiアプリ - Google AI Ultra加入者向けに15秒クリップ生成が順次展開。
• Gemini APIおよびVertex AI - previous_interaction_idを用いた完全な対話編集に対応。

外部プロバイダ側で編集機能の接続が完了次第、再度テストを実施して追記する予定です。初日から正常に動作したその他の機能についてはGemini Omni 1.2 Flashテストレビューを、発表全体の概要はGemini Omni Flashまとめをご覧ください。

// 続きを読むGemini 4 Argonの使い方：アプリ、API、OpenRouter、AntigravityガイドGemini 4 ArgonとGemini 3.1 Proを比較：性能・料金・違いベンチマークGemini 4 Argonのコーディング性能を検証：テスト結果とベンチマークベンチマーク