Gemini Omni を使いこなす：究極のビデオプロンプトガイド

先週、私たちは Gemini Omni を発表しました。これは、あらゆる入力からあらゆるものを生成できるように設計された最新モデルで、まずは動画から対応を開始します。

Gemini Omni Flash のスピードと創造性は、Gemini アプリ、Flow by Google、Google Flow Music、そして YouTube Shorts および Create で本日から体験いただけます。

可能性の限界に挑戦していただくために、Gemini Omni の高度な動画生成機能を最大限に活用する 5 つのヒントをご紹介します。

1. 現実世界の知識を活用する

Gemini Omni に対して、世界について過剰に説明する必要はありません。このモデルは、歴史、科学、文化に関する Gemini の深い理解を基盤に構築されているため、見た目、感触、動きがリアルな出力を確実に生成できます。細かい説明は省略しましょう。プロンプトには、文化的なタッチストーン、歴史的な時代、科学的な用語を直接使用してください。

プロンプト例：

[アルファベットのアイテムを映した動画。各文字で始まる珍しいアイテムがテーブルの上に置かれている (C はカピバラ、D はディスコボール、L はラバランプなど)。26 文字すべてが、対応する 26 個のアイテムと、文字を表示するローワーサードで表現されている必要がある。一度に表示されるのは 1 つのアイテムと 1 つのローワーサードのみ。各ローワーサードは、左下にスリップペーパーに黒いマーカーで書かれたように見える。24FPS で 1 アイテムあたり約 9 フレームの連続表示。最後のフレームは "THE END" と書かれたスリップペーパー。動画全体には落ち着いたスムーズな音楽が流れる]
[火星での宇宙飛行士の視点]
[ドミノ倒しのようなトラックを速く転がるビー玉、途切れのないスムーズなショット]

2. テキスト表示を自在にコントロールする

Gemini Omni は高度なテキストレンダリング機能を備えているだけでなく、テキストをビジュアルにシームレスに統合することも可能です。タイポグラフィ、配置場所、アニメーションスタイル、さらには動画内のアクションと完全に同期した二重露光のような複雑な視覚効果までも指定できます。

プロンプト例：

[単語ごとに、一度に 1 単語ずつ画面に表示: did, you, know, that, this, model, can, do, pretty, good, text!? 各単語は異なるアニメーションスタイルで表示され、リズムに完璧なテンポで、プロモーション映像のように]
[動画の物理的な環境に、モーショントラッキングされたミニマルなテキスト解説をオーバーレイする。このテキストは、[被写体] の無表情で即時的な内なる独白を表し、観察力があり、少し不条理で、人生について考えさせられるもの。いわば「頭に浮かぶ考え」。クリーンで白い、小文字のサンセリフ書体 (Helvetica や Inter など)。テキストは 3D 空間に浮かび、極細でくっきりとした白いリーダー線を介して、コメントされている被写体に接続される]

3. プロのようにカメラを操作する

撮影監督のように考えてみてください。Gemini Omni は、正確な撮影技法の指示、カメラの種類、フレーミングの指示に非常に敏感に反応します。次のプロンプトにこれらの用語を取り入れてみてください。

プロンプト例：

ショット & アングル:「ワンコンティニュアスショット」「ワンカット」「固定」「ロックオフ」「固定アングル」
カメラの動き:「押し込み」「パンチイン」「パンレフト」「ドリーズーム」
カメラスタイル:「自然なスマートフォンズーム」「ビンテージフィルムカメラ」「ざらついたウェブカム風」

4. 反復的に編集する (そして機能した部分は残す)

優れた動画はすべて編集によって作られます。Gemini Omni では、1 つのミスを修正するためにプロンプト全体をゼロから書き直す必要はありません。背景を変更したり、キャプションを入れ替えたりするなど、具体的でターゲットを絞った更新を依頼してください。Omni は複数の修正にわたって動画のコア構造を維持し、調整が必要な部分だけに集中できます。

プロンプト例：