Geminiの画像・動画生成で何ができるか、どう使うと有意義か：つくる、直す、動画にする、プロンプトの考え方を、公式の資料で確かめる

3行でいうと

画像で公式が挙げる主な機能は、細部の調整（雰囲気、カメラの角度、ピント）、参考写真の雰囲気を移す、1枚をいろいろな大きさにする、文字を入れる、の4つです。文字入りの絵は、ロゴ、招待状、ポスター、マンガが例に挙がっています。
動画は、文章・写真・動画を組み合わせてつくれます。公式は、10秒の動画、音声つき、写真から最大5枚、参考画像は最大5枚と書き、会話で直す編集や、続きをつくる「シーンの延長」も挙げています。
プロンプト（頼みの文章）の考え方は、画像は「主役、動き、場面」を書いて細部を足す、動画は「カメラの動き、画風、光、場所、動作」を重ねる、と公式の資料にあります。
モデルの名前と版が多く、「Nano Banana 2」「2.1」「2 Lite」「Pro」、動画は「Gemini Omni 1.1 Flash」と「Veo 3.1」が並んでいます。「どれが最新か」は、僕らは断定しません。

この記事は、公式の資料を2026年10月24日に読んでまとめたものです。この記事は、画像や動画をつくって確かめたものではありません。運営者はGeminiの画像・動画生成を入れていますが、使い心地はこの記事には書いていません。「見立て」と書いた部分と、「僕らが作った例」と書いた部分は、公式の記載ではなく僕らの考えや例です。事実と混ぜないために、分けて書いています。「品質が高い」といった評価は、公式の紹介をそのまま写すだけにして、他のサービスとの優劣は書きません。規約や仕様は変わるので、使う前に公式の最新を読んでください。

先に結論

（見立て）画像は「つくる」より「直す」が入り口になりやすいと僕らは考える。 公式ヘルプは、自分の画像を上げて直す、複数の画像を上げて1枚にまとめる、といった編集を挙げています。
動画の編集は、チャットで頼む形で説明されている。 公式の紹介ページは、背景や衣装を変える、動画の揺れを直す、といった編集を、チャットで頼む形で説明しています。会話で少しずつ直すのが基本、というのは僕らの見立てです。
プロンプトの書き方には、公式の手引きがある。 公式の手引きに、狙った変更だけを頼み、残したい部分には触れない書き方の例があります。「何を変えるか」「何を残すか」を分けて書く、という言い方は僕らの見立てです。
使い方は、プランと地域で変わる。 動画は有料プランが前提で、動画の編集などは、欧州経済領域（EEA）、スイス、英国で使えない機能があります。
最新かどうかは断定しない。 画像は「2」「2.1」、動画は「Omni 1.1 Flash」と「Veo 3.1」が公式の資料に並んでいます。

前提：用語をそろえる

プロンプト： 画像や動画をつくるときの頼みの文章です。
参照画像（参考画像）： 「この人物」「この雰囲気」のように、つくり方の手本として渡す画像です。
マルチターン編集： 1回で終わらず、会話の中で何度も直していく編集です。公式の動画ページが、新機能として挙げています。
ビデオ・トゥ・ビデオ編集： 動画をアップロードして、それを直す編集です。
シーンの延長（Scene extension）： 動画の続きをつくって長くする機能です。
アバター： 自分の顔と声を記録して、画像や動画の中で使えるようにしたものです。本人だけが使える、と公式は書いています。
SynthID： つくった画像・動画に入る、目に見えない印です（04で扱います）。

たとえ話：撮影スタジオに、台本と見本写真を渡す

画像づくりを、似顔絵屋さんに注文することにたとえます。「こんな雰囲気で」と見本を渡し、仕上がりを見て「帽子だけ青に」と直してもらう、という流れです。動画づくりは、小さな撮影スタジオに台本を渡すイメージです。「カメラはゆっくり近づく」「夕方の光で」と伝え、出来上がった映像に「背景だけ夜に」と追加で頼みます。ただし、これは僕らのたとえで、公式の表現ではありません。

公式が挙げる機能と、どこに書かれているか

画像（Nano Banana）

機能	公式に書かれていること	どこに書かれているか
細部の調整	雰囲気、カメラの角度、ピントを変えられる	紹介ページ「Dial in every detail」
参考写真の雰囲気を移す	参考写真の質感、色、スタイルを当てはめる	紹介ページ「Style applied in seconds」
大きさ違いにする	細部を切らずに、いろいろな大きさにする	紹介ページ「One visual, many sizes」
文字を入れる	ロゴ、招待状、ポスター、マンガに、はっきりした文字を、多くの言語で入れる	紹介ページ「Your words, placed just right」
2と2.1に共通の特長	キャラクターの一貫性、文字の描画、写真の合成、細かい編集、2K解像度、世界の知識	紹介ページ
2.1だけの特長	インフォグラフィックや図のための「Enhanced World Knowledge」、有料プランでのより多い枚数	紹介ページ
マスクを使った編集、人物・物の一貫性	一つの流れで、最大5人のキャラクターと14個の物の一貫性、2Kと4Kへの拡大	DeepMindのNano Banana 2.1のページ
自分の画像を直す、複数の画像を1枚にする	生成した画像の編集、自分の画像のアップロード、複数画像の合成	ヘルプ「Generate & edit images with Gemini Apps」
Proでやり直す	有料プランで、画像の右下の「More」から「Redo with Pro」。細部や文字の描画、インフォグラフィックが増える、と書かれている	同じヘルプ
ドキュメントへの書き出し	画像の下の「More」から「Export to Docs」	同じヘルプ

動画（Gemini Omni）

機能	公式に書かれていること	どこに書かれているか
文章・写真・動画から動画をつくる	入力を組み合わせて、動画にできる	紹介ページ（動画）
長さ	紹介ページは「10秒の動画」。開発者向けの資料は、出力の長さを3〜10秒、24FPSと書く	紹介ページ、Gemini APIのモデルのページ
音声	「ネイティブ音声生成」。ヘルプには、動画といっしょに音声をつくるよう頼める、とある	紹介ページ、ヘルプ「Generate videos with Gemini Apps」
写真から動画	写真は最大5枚（日本語ページは「写真を動画に変換（最大5枚）」）。参考画像も最大5枚	日本語の紹介ページ
入力の上限	動画1本と画像最大5枚をアップロードできる	ヘルプ「Generate videos with Gemini Apps」
会話で直す編集	登場人物の入れ替え、光の調整、手ぶれの補正、背景の変更。服装や画風も変えられる	紹介ページ
マルチターン編集、動画から動画への編集	新機能の印がついている。動画から動画への編集は、EEA、スイス、英国、一部の米国の州では使えない	紹介ページ、ヘルプ
シーンの延長	「次に何が起きるか」を頼んで、動画を長くする。新機能の印がついている	紹介ページ
テンプレート	あらかじめ用意された画風から選べる	紹介ページ、ヘルプ
アバター	自分のAI版。本人だけが使え、毎回写真を上げなくてよい	紹介ページ（動画）。条件（18歳以上、英語のみなど）はヘルプ「Create and use an avatar in Gemini Apps」

場面ごとに：どう使うと有意義か

公式が紹介している場面を、書かれている場所とともに並べます。

文字入りのポスター、招待状、ロゴ。 紹介ページが、文字入りの作品の例として挙げています。ただし、モデルカードには、小さい文字、長い文章は、ぼやけたり崩れたりしやすい、という限界が書かれています（Nano Banana 2.1のモデルカード、2026年10月6日付）。
写真の一部だけを変える。 紹介ページの例に、フィギュア風の画像、昔のショッピングモール風のポートレート、髪型の試着が挙がっています。ヘルプは、他人の著作権やプライバシーを侵さないように、と注意しています。人の写真を使うときは、その人の同意があるかを自分で確かめてください。
図解、インフォグラフィック。 紹介ページは、Nano Banana 2.1の特長として、インフォグラフィックと図のための知識の強化を挙げています。モデルカードは、事実の正確さに限界がある、と書いています。公式の別のヒントでも、図は事実を確かめるように、とあります（2025年11月20日付の公式ブログ）。
1枚をSNSや印刷など、いろいろな大きさにする。 紹介ページが「サイズ違い」を機能として挙げています。
写真から短い動画。 紹介ページが、写真を動画にする機能を挙げています（日本語ページでは最大5枚）。
すでにある動画を、会話で直す。 背景を変える、服装を変える、揺れを直す、といった編集が、紹介ページに書かれています。
自分が出る動画。 アバターで、自分の顔と声の動画をつくれる、と公式は書いています。条件は、18歳以上、個人のGoogleアカウント、英語のみ、EEA・スイス・英国では使えない、です（ヘルプ）。

プロンプトの考え方（公式の資料から）

画像

紹介ページのFAQは、「主役、動き、場面」の簡単な型から始め、細部、構図、画風、品質、縦横比を足し、気に入らなければ変えてもらう、と案内しています。
ヘルプは、「draw」「generate」「create」のような動詞で始め、画風を指定し、主役、動き、場面を書くとよい、と案内しています。
2025年11月20日付の公式ブログ（Nano Banana Pro向け）には、主役、構図、動き、場所、画風を入れる、編集は変更点をはっきり書く、文字は内容と書体と位置を指定する、複数の画像を上げるときはそれぞれに何を担当させるかを書く、といったヒントがあります。モデルが違うので、2.1や2で同じように効くかは、公式の資料では確認できていません。
2025年10月2日付の公式ブログは、「ソファの色だけ変える」のように、一つの要素だけ変えて、ほかはそのまま残す使い方を紹介しています。当時のモデルの記事です。

動画

Google DeepMindの手引きは、「ショットの構図と動き、画風、光、場所、動作」を重ねて書く、と案内しています。すべてを細かく指定しなくても、全体の意図から、足りない所は補う、とも書いています。
カメラ用語として、「one continuous shot」（一続きのショット）、「static」「locked off」（固定）、「push in」「dolly zoom」（寄る）などが挙がっています。
参照画像を足すと、人物や物や場所の一貫性を保てます。最初と最後のコマを決めて、その間のカメラの動きを書く方法や、10秒ずつ続きをつくって、合計40秒まで伸ばす方法も書かれています。
編集は、会話で「背景だけ変える」のように頼み、うまくいっている部分は残す、と書かれています。

僕らが作った例（公式の例ではありません）

画像の例：「水彩画の風合いで、雨上がりの商店街を歩く黒猫を描いて。夕方の光、横長。」。そのあとに「猫の色だけ白に変えて、ほかは同じに」と直します。
動画の例：「雨上がりの商店街を、黒猫がゆっくり歩く。カメラは低い位置から、ゆっくり寄る。夕方の光。」。つくったあとに「背景だけ夜にして」と頼みます。

長さ、解像度、音声、参考画像

長さ。 Geminiアプリの動画は、紹介ページで10秒です。Flowのヘルプでは、Gemini Omni Flash 1.1は4秒、6秒、8秒、10秒、Veo 3.1系は4秒、6秒、8秒、と書かれています。開発者向けのブログは、続きをつくる形で、10秒ずつ、合計40秒まで伸ばせる、と書いています（2026年8月27日付）。続きをつくる機能は、このブログで、Geminiアプリでは Plus、Pro、Ultra の購読者が使える、と書かれています。
解像度。 Geminiアプリの動画の解像度は、読んだ範囲のヘルプには出ていませんでした。開発者向けの資料は、360p、720p（標準）、1080p、4Kとし、1080pと4Kは拡大（upscaled）と書いています。Flowのヘルプは、標準720pと下書き用の360pがあり、PlusとProとUltraは1080pへの拡大が0クレジット、4KはUltraだけで50クレジット、と書いています（クレジットの数は変わると公式が注記しています）。画像は、ダウンロードが2K（Google AIプラン）または1K、と書かれています。API側の資料は、2.1は1K、2K、4K、と書いています。
音声。 Geminiの動画は音声つきです。音声を参考として上げる機能は、公式の2026年5月19日付のブログでは、声に限られる、とあります。Gemini APIでは、音声の参考のアップロードは未対応です。
参考画像。 動画は、ヘルプで画像最大5枚と動画1本です。画像は、APIの資料で、参考画像は1回に最大14枚、とあります。ヘルプは、Nano Banana 2 Liteは複数の参考画像や複数回の編集に向かない、と書いています。
縦横比。 動画は、作る前に縦横比を選びます。文章だけだと横長が既定、とヘルプにあります。

モデル名と版の関係

公式の資料に出てくる名前と日付を、そのまま並べます。「どれが最新か」は断定しません。

名前	公式に書かれていること	どこに書かれているか
Nano Banana	2025年10月2日付の記事は、Geminiアプリの画像編集として紹介。API名は「gemini-2.5-flash-image」で、2027年3月15日以降の終了予定とされ、代わりに「gemini-3.1-flash-lite-image」が案内されている	公式ブログ、Gemini APIの資料
Nano Banana Pro	「Gemini 3 Pro Image」。2025年11月20日付の記事	公式ブログ
Nano Banana 2	無料で使える画像モデル。API名は「gemini-3.1-flash-image」	紹介ページ、APIの資料
Nano Banana 2 Lite	公式は、Nano Bananaの仲間のなかで最も速く、費用が小さいモデル、と紹介（2026年6月30日付のブログ）。ヘルプでは、Geminiのモデルが「Flash-Lite」のときに使われる	公式ブログ、ヘルプ
Nano Banana 2.1	紹介ページは「Our best image generation and editing model」と紹介。モデルカードは2026年10月6日付。API名は「gemini-nano-banana-2.1」	紹介ページ、モデルカード、APIの資料
Imagen	Geminiのリリースノートに、2024年10月（Imagen 3）、2025年5月20日（Imagen 4）の記載がある。API側は、Imagenの各モデルが2026年8月17日以降に終了し、代わりに「gemini-nano-banana-2.1」が案内されている	リリースノート、Gemini APIの資料
Veo 2、Veo 3	2025年4月22日にVeo 2、2025年5月20日にVeo 3（音声つき、8秒）が、Geminiのリリースノートに載っている	Geminiのリリースノート
Veo 3.1	Geminiアプリでは、Gemini Omni 1.1 Flashに代わる、と紹介ページにある。Flowのヘルプには「Veo 3.1 - Lite」「Fast」「Quality」が載っている。Gemini APIのVeo 3.1のプレビュー版は、2026年10月22日に終了と載っている（公式は、この表の日付は「最も早い日」で、正確な日付は事前に知らせる、と注記している）。DeepMindのVeoのページには、いまも「Veo 3.1」を紹介する内容がある	紹介ページ、Flowのヘルプ、APIの資料、DeepMindのページ
Gemini Omni Flash	2026年5月19日付の発表で、最初の公開。開発者向けのブログ（2026年6月30日付）では「gemini-omni-flash-preview」、いまのモデルページでは「gemini-omni-1.1-flash」で、前者は終了、と書かれている	公式ブログ、Gemini APIのモデルのページ

僕らの見立て

ここは公式の記載ではなく、僕らの見立てです。断定はしません。

初心者は、まず無料の画像で、「1枚つくって、一つの要素だけ直す」練習をすると、頼み方の感覚がつかみやすいと思います。
動画は、公式のヘルプが、使用量が「High」で、いちばん使用量を使う機能と書いています。回数を気にしながら、短い動画を少しずつ試すのが現実的だと思います。
人の顔が写った写真やアバターは、公式が規約と権利を何度も注意している所です。使う前に、04の内容を確かめてください。

気をつけること

画面と機能は、プラン、地域、モデルで変わります。 同じ機能でも、紹介ページ、ヘルプ、開発者向けの資料で、書き方（長さ、解像度、枚数）が違います。
公式の「性能が高い」は、公式の紹介です。 僕らが確かめた結果ではありません。他のサービスとの比べ方は、ここでは書きません。
文字や図は、仕上がりを必ず自分の目で確かめてください。 モデルカードやブログが、小さい文字や図の正確さに限界がある、と書いています。
日本語で思いどおりになるかは、確認できていません。 動画は、英語以外は評価されていないという趣旨の注意書きがAPIの資料にあります。
他人の顔や声、著作物。 公式は、アップロードする画像の権利を自分で確かめるように、と書いています。くわしくは04で扱います。
公式のヘルプは日付がないものが多いです。 記事を読む日に、画面と違うかもしれません。