ミュージックビデオのGemini Omni 1.1 Flash：4Kより効くのは2枚のフレームの間のカット

2026年8月28日時点で、Googleは前日にGemini Omni 1.1 Flashを公開しました。その発表で最も声高に語られているのは、シーン拡張、4Kアップスケーリング、360pの下書きという3つの言葉です。

実際にAIミュージックビデオを完成させたことがあるなら、その3つが夜通し悩んだ原因ではないことはもう分かっているはずです。クリップが崩れる典型的な原因はこちらです：サビでカットが入ると、シンガーの顔も、ジャケットも、部屋も別物になっている。

その失敗に効くOmni 1.1の部分は、発表の中でいちばん地味な一行——最初と最後のフレームです。この記事は仕様表を書き直すものではありません。その制御がMVで何のために使えるのか、そして今夜SunoMVでどう選ぶのかに答えます。

発表内容と選択画面を分けて見る

Googleの記事は開発者向けの全機能をカバーしています：公式ポストには最初と最後のフレーム補間、360pの下書き（720pより最大60%速く、コストは約3分の1）、1080p/4Kアップスケーリング、そしてシーン拡張——直前の文脈を最大10秒、10秒刻みで合計最大40秒まで——が挙げられています。

SunoMVの動画選択画面が今公開しているのは、もっと短いリストです：

項目	SunoMV選択画面（Gemini Omni 1.1）
入力	テキスト、画像、最初と最後のフレーム
長さ	1〜15秒
解像度	720Pか1080P
アスペクト比	横向きか縦向き
クォータ	720Pで5秒あたり250クレジット、1080Pは1.5倍（375）
このUIにないもの	4Kアップスケーリング、シーン拡張

実践ルール： 発表を読む前に選択画面を読んでください。発表はモデルがこれから育つ姿で、選択画面は今夜書き出せる姿です。

発表と選択画面を全部比較したプロダクトページはGemini Omni 1.1 Flashにあります。以下はミュージックビデオの話だけに絞ります。

AI MVで手間がかかるのはピクセルではなくカット

ミュージックビデオが崩れる典型的な原因は、連続する2つの歌詞の行が同じカメラで撮られたように見えないことです——1枚のフレームが下手だからではありません。

すでに何度も経験しているはずの3つの失敗：

• 顔が変わる： 4秒目と12秒目が別人になっている。
• 服が変わる： サビに入るとジャケットの色が変わる。
• 部屋が変わる： Aメロは雨のバス停だったのに、サビは別のスタジオになっている。

従来の解決策は編集でした：無関係なクリップを生成して、無理やりつなぐ。1曲は数十のショットからできています。それを手作業で揃えるコストは、生成するコストより高くつく——だから多くのAI MVがトランジション付きのスライドショーに崩れてしまうのです。

実践ルール： AI MVはサビの8秒で判断してください——カットが何回入るか、そしてカットの両側が同じ人物かどうかです。

最初と最後のフレーム：ショットAの終わりをショットBの始まりに固定する

Omni 1.1の最初と最後のフレームとは、始まりの絵と終わりの絵を自分で用意することです。その間の動きはモデルが補います。

MVにとってそれは、2つの歌詞の行の間を結ぶ視覚的な契約です。ショットAの最後のフレームを書き出し、それをショットBの最初のフレームとして渡します。ウィップパンやプッシュイン、オービットはプロンプトに書いてかまいませんが、契約——人物、衣装、カメラの向き——は先に固定されています。

これは「cinematic, 8K」と書くのとは違います。中身のない形容詞は何も固定しません。固定するのはフレームです。Veoのプロンプトでカメラを最初のスロットに置く理由はVeo 3プロンプトガイドですでに解説しました。Omni 1.1は同じ発想を2枚の静止画に落とし込んでいます。

Google自身の例も、カメラの契約です：クローズアップからウィップパンでサックス奏者とダンサーへ、1つの連続したショットで、ジャンプカットなし。それこそが本当に必要なサビのショットです——もう1枚の綺麗な静止画ではありません。

実際に試しました：360pの最初と最後のフレーム、60.4秒

選択画面には生成時間の目安として約40秒と表示されます。2026年8月27日に当社が行った実測、360pの最初と最後のフレーム指定：送信5.4秒、生成57秒、エンドツーエンドで60.4秒でした。サンプルクリップはこちら。

これはベンダーのSLAではありません。1回の実測です。ここで言いたいのはひとつだけ：今夜必要なサビの8秒は、数時間ではなく数分で戻ってくるということです。

クォータも選択画面に表示されています：720Pなら5秒あたり250クレジット、1080Pなら375クレジット。曲全体は720Pで組み、サビの2ショットだけ1080Pで作り直しましょう。まだ顔が固定できていない下書きにHDの予算を使わないでください。

もっと安く回せる反復用の行はMiniMax H3 Maxです：480P/720P、5〜15秒。ストーリーボードはそちらで、残す一本はこちらで。同じ選択画面の2つの行であり、競合ではありません。

実践ルール： カットが持つかどうかを見るには720Pを使ってください。1080Pは、すでに持つと分かったショットにだけ使いましょう。

Omni 1.1が向いているとき、向いていないとき

使うべきとき： すでに2枚の歌詞の静止画（またはつなぐ必要がある2枚の画）があって、ディゾルブではなく本物のカメラの動きが必要なとき。サビ、フック、視聴者が巻き戻したくなるカットです。

避けるべきとき： まだビジュアルのテーマを探している段階——まずは安いショットを20本ストーリーボードしてください。ネイティブ2K、リップシンク、複数リファレンスの固定が必要なときは、Omni 1.1ではなく別の行です。4Kアップスケーリングや40秒のシーン継続が欲しいときは、発表には載っていますが、この記事の時点でSunoMVの動画切り替えUIには入っていません。

すでにSunoのトラックがあるなら、Suno to Videoから始めて、動画モデルをGemini Omni 1.1に切り替えてください。開発者キーを申請するためにミュージックビデオの作業フローを離れる必要はありません。

今日選んでみましょう

1. SunoMVを開きます。
2. 曲を貼り付けます（Sunoのリンクか自分のファイル）。
3. 動画モデルの一覧からGemini Omni 1.1を選びます。
4. 1〜15秒、720Pか1080P、横向きか縦向きを設定します。
5. 2行をつなぐ必要があるときは最初と最後のフレームを固定し、そうでなければテキストか1枚の静止画を使います。
6. 歌詞のタイムラインに積み重ね、無料でプレビューして、書き出します。

スペック、クォータ、実測結果、そして「発表と選択画面」の対比はGemini Omni 1.1 Flashにまとめています。この記事の仕事はひとつだけです：4Kに振り回されないこと。サビのカットを同じ人物のまま決めることです。