Google Flowの動画制作テクニック10選：Gemini Omniにカメラワークの意図を正確に伝える方法

AIで製品のプロモーション動画を作りたいとき、手元にはすでに商品画像や人物の写真、あるいは絵コンテまで揃っているかもしれません。しかし、それらの素材から納得のいく動画を完成させるまでには、人物の動かし方、カメラワーク、場面の切り替えタイミング、さらには生成後に特定の部分だけを修正する方法など、多くの指示を的確に伝える必要があります。

Google Flowは、クリエイターが画像や動画を生成・編集できるGoogleのAIクリエイティブワークスペースです。今回の公式ガイドで取り上げられているのは、Flowに搭載されたGemini Omni Flashです。テキスト、画像、または参考動画を使って撮影したい内容を伝えられるだけでなく、すでに生成された動画に対しても継続して修正の指示を出すことができます。

多くの人が直面する課題は、「映画のような雰囲気で」といった指示では具体的な要件が伝わらないという点です。光の当たり方だけを変えたかったのにアングルごと変わってしまったり、一連のアクションを一続きで撮りたかったのに途中でカットが割られてしまったりします。アイデアはあるのに、それをいかにAIへ正確に伝えるかという点が、次のハードルとなっています。

そこでGoogle Flowチームは、このプロンプト作成ガイドをまとめ、10のテクニックと具体的な実例を提示しました。参考画像を使って被写体と構図を確定させ、カメラワークや時間の指定によって動きを演出し、修正時には「変える部分」と「維持する部分」を明確にするというアプローチです。以下では、公式動画と日本語・英語のプロンプトを交えながら、それぞれのテクニックの使い方を詳しく解説します。

英語のプロンプトは、句読点や素材のプレースホルダー、タイムコードを含め、公式の原文を一字一句そのまま掲載しています。日本語は対訳であり、使い方の解説は別途記載しています。原文にある一部の閉じられていない引用符も、そのまま残しています。

一、まず画面を確定する：テキストによる制約と開始・終了フレーム

画面のビジュアル要素をまず確定させてから、画面内の動きを組み立てます。環境、衣装、カメラのスタイルはテキストで指定でき、構図や被写体、トーンは画像を使ってより具体的なリファレンスを与えることができます。

技巧 1：高レベルのクリエイティブ制約を与える（Provide high-level constraints）

髪の毛一本一本の揺れ方を細かく指示するのではなく、Gemini Omniに対してより上位の芸術的・物理的制約を提示します。ライティングの一貫性、セットの配置、衣装の質感、アクションのディテールに注意を払うよう明示的に指示し、その制約の範囲内で画面を描き込ませるのが公式の推奨です。

公式プロンプトの原文と日本語対訳：

• 環境と衣装の質感に関する制約

  日本語： シーンの環境を詳細に描写する。キャラクターには衣装デザインの原則を適用し、具体的な質感・テクスチャ、小道具、ライティングの雰囲気を正確に指定する。

  English: “Be extremely detailed in environments. Apply costume design principles to characters, specifying exact textures, props, and lighting.”

  使い方：環境、衣装、小道具のどの特徴を優先して細部まで描写すべきかをモデルに伝えます。

• 微細な表情と自然な対話の制約

  日本語： 微細なディテール、表情、間の取り方を深く考慮し、自然な対話の様子を作り出す。

  English: “Consider micro-detail, facial expression, and timing to create a natural dialogue.”

  使い方：セリフだけでなく、表情や会話のリズムも指示に含めます。

• 特殊な撮影レンズの制約

  日本語： 部屋の中にいるキャラクターを手持ちの魚眼レンズで撮影する。

  English: “Handheld fisheye camera shot of the character in the room.”

  作用：特定の光学レンズの表現を直接指定することで、画面のパースペクティブなダイナミズムを瞬時に確立します。

技巧 2：開始・終了フレームを「ビジュアルアンカー」として使う（Use visual anchors）

長回しや複雑な動きで最も問題になるのが「崩れ」です。カメラが動いた瞬間に服の色が変わったり、背景が別の街に変わったりすることさえあります。開始フレームと終了フレーム（Start & End Frame）をアップロードまたは事前生成しておくことで、モデルに画面の始点と終点の基準を与えることができます。静止画フレームによって構図、トーン、被写体が最初から定まるため、テキストではカメラと人物がどのように動くかの描写に集中できます。公式では、この手法を画面のブレや変化を抑えるために用いています。

公式プロンプトの原文と日本語対訳：

• ドローンの後退と上昇

  日本語： 指定された開始フレームと終了フレームに基づき、滑らかで途切れのない高速ドローンによる引きのショットを実行する。カメラは素早く後退しながら下を向き、同時に数百フィート上空へと急上昇する。霧が晴れ、壮大で雄大な山脈の全貌が現れる。

  English: “Smooth, continuous high-speed drone pull-back shot using this start and end frame. The camera rapidly retreats backwards and tilts down, ascending several hundred feet into the air. The mist parts to reveal the massive mountain range.”

• 昼夜の光が移ろうタイムラプス

  日本語： 指定された開始フレームと終了フレームに基づき、固定された静止カメラでハイパーラプスを撮影する。冷たく湿った薄暮から暖かな朝の光へと、環境光を滑らかに移行させ、シームレスにつなぐ。

  English: “Hyperlapse with a locked-off, static camera using this start and end frame. The transition is seamless, shifting the ambient lighting from cold, wet twilight to warm morning sunlight.”

• シームレスな無限ループアニメーションの作成

  日本語： 指定された開始フレームと終了フレームに基づき、継ぎ目なく無限にループする動画を作成する。

  English: “Create an endless loop using this start and end frame.”

二、素材で内容を伝え、指示でテンポを調整する

画像や絵コンテを使えば、キャラクターと画面の関係性を直接提示できます。一方、テンポに関しては、アクションがいつ発生し、どの瞬間に加速または減速するのかを言葉で明確に伝える必要があります。

技巧 3：タグ付けされた素材アセットを活用する（Leverage tagged ingredients）

長文のテキストだけに頼る必要はありません。ワークスペース内では、アップロードした素材にタグを付けることができます。画像を使ってキャラクター（Character）、環境（Setting）、スタイル（Style）を固定したり、動画を使って動きのテンポを参照したり、さらには複数コマの絵コンテ（Storyboard）をそのまま入力したりすることも可能です。まずワークスペースで素材に名前を付け、プロンプト内で対応する素材タグを引用します。以下の [@ Tagged Image] などのプレースホルダーは、実際の素材に置き換えて使用します。

公式プロンプトの原文と日本語対訳：

• 商業広告のプロダクトプレイスメント

  日本語： [@ Tagged Image]を動画広告キャンペーンの主役商品として使用し、温かみのあるピンク色のスタジオを背景に、女性がその製品を開封して試用している様子を描く。

  English: “Use [@ Tagged Image] as the product in a video ad campaign, where the product is being opened and tested by a woman set against a warm pink studio.”

• 人物を差し替えつつ一連の動きと音声リファレンスを維持

  日本語： この動画を動きと音声のリファレンス基準として使用し、被写体を [@ Tagged Character]に変更する。それ以外はすべて現状のままとする。

  English: “Using this video as a motion and audio reference, change the subject to [@ Tagged Character], keep everything else the same.

• 複数コマの絵コンテに基づく動画生成

  日本語： この [@ Tagged Image]の絵コンテ画像シーケンスをアニメーション化し、上から下、左から右へとキービートの順序に厳密に従って動画を生成する。

  English: “Animate this [@ Tagged Image] storyboard image sequence, following key beats exactly in order from top to bottom, left to right.”

技巧 4：シーンの途中でテンポを細かく調整する（Refine pacing mid-scene）

納得のいくアクションをまず生成してからその速度を調整するのが、ガイドで推奨されているアプローチの一つです。単に「少し遅く」と指定するのではなく、どのアクションを遅くするのか、いつ減速を開始するのか、どのくらいの速度を望むのかを具体的に伝えます。下記の倍率や秒数はプロンプト上の目標値であり、生成後に実際のテンポを確認する必要があります。

公式プロンプトの原文と日本語対訳：

• インタラクションの一部分を倍速化

  日本語： 2つの被写体間で行われるインタラクションの動作移動速度を4倍速にする。

  English: “4x the moving speed of the interaction between the two subjects.”

• 特定のアクションを契機とする段階的スローモーション

  日本語： 犬が輪くぐりの輪に到達した瞬間、時間の流れが徐々に遅くなり、極端なスローモーションに移行する。

  English: “As the dog reaches the hoop, time ramps down into extreme slow motion.”

• 特定タイミングでのワンショット可変速

  日本語： 早足で歩くキャラクター。3秒時点で空から落ちてきた花が彼女の手に近づき、指の間を滑り落ちる様子に合わせて時間の進みが1%の超スローへと減速する。カット割りのないワンショットの長回し。

  English: “Fast-walking character; at sec 3, a sky-falling flower nears her hand, then time slows to 1% speed as it slips through her fingers. Single shot, no cuts.”

三、リファレンスのスタイルを適用し、テキストを画面に組み込む

基本的なアクション生成だけでなく、Gemini Omniには外部のスタイルを柔軟に取り入れたり、画面内に動的なテキストエフェクトを直接配置したりする能力も備わっています。

技巧 5：スタイルの転送とマルチモーダルな合成（Transfer and mix styles）

モデルを各カット専属のスタイリストやカラリストとして捉えることができます。参考画像や動画を渡し、そのどの要素（ポーズ、ライティングとカラーグレーディング、または表面のテクスチャ素材など）を抽出したいのかを明確に伝えることで、指定した要素のみを対象の映像に反映させられます。

公式プロンプトの原文と日本語対訳：

• ポーズと動きの転送

  日本語： この参考動画のポーズと動きの軌跡を、参考画像のキャラクターに適用する。

  English: “Apply the pose and motion from this video to the character in this image reference.”

• 質感と視覚スタイルの全面置換

  日本語： この写真の全体的な視覚スタイルを生成結果に反映させ、同時にすべての物体の表面素材を参考動画の質感の外観に置き換える。

  English: “Apply the visual look of this photo to the generation, replacing all materials with the appearance of the video reference.”

• シーンのカラーマッチング（Color Match）

  日本語： この参考画像のカラーグレーディングを私のシーンに合わせる。

  English: “Match the color grading of this image to my scene.”

技巧 6：動的なテキストアニメーションを直接描画する（Render animated text）

ガイドでは、テキストそのものを動画内で出現・アニメーションさせる「キネティック・タイポグラフィ（Kinetic Typography）」も紹介されています。フォントスタイル、画面上の配置、配置ルール、テキストの動くリズムを直接指定できるため、チュートリアルの吹き出し、テロップ、ユニークなナレーションの演出に最適です。

公式プロンプトの原文と日本語対訳：

• 手描きマーカー風の注記と解説用矢印

  日本語： この料理動画の各食材に対して、手描きのマーカー風テキスト注記と矢印を追加する。

  English: “Add hand-drawn marker-style text annotations and arrows for each ingredient in this cooking video.”

• 1単語ずつリズミカルにポップアップするテロップ

  日本語： 画面上に1単語ずつ表示：「Did you know this model can do typography?」。各単語はユニークなアニメーションスタイルで現れ、テンポの良いハイエナジーなリズムと同期する。

  English: “Word-by-word on screen: ‘Did you know this model can do typography?’ Each word appears with a unique animated style, synced to a sizzle reel rhythm.”

• 登場人物のモノローグ思考吹き出し

  日本語： 女性の横に思考の吹き出しが現れ、「今眠りについたら、あと何時間眠れるだろう？」というテキストが表示される。

  English: “A speech bubble appears next to the woman reading, ‘If I fall asleep now, how many hours of sleep will I get?”

四、ワンカットで連続させるか、カットを切り替えるか

同じ一連の動作でも、カメラで連続して追い続けることも、複数のカットに分割することもできます。プロンプトでは、どちらの見せ方を求めているのか、カットをどのようにつなぐのかを指定する必要があります。

技巧 7：連続ショットのルールを明示する（Enforce continuous scene rules）

途切れのない流れるような長回し（ワンカット／Oner）や横スクロールのトラッキングショットが必要な場合は、プロンプトでカット割りを明示的に排除しなければなりません。ガイドによれば、モデルはデフォルトでアングルを切り替えて物語の奥行きを出そうとする傾向があるためです。

公式プロンプトの原文と日本語対訳：

• 複雑な空間を通り抜ける追従長回し

  日本語： カメラがキャラクターを追って業務用通路の階段を下り、忙しく活気のある厨房を通り抜け、混雑したナイトクラブのフロアへと入っていく。

  English: “The camera follows the characters down service stairs, through a bustling kitchen, and into the crowded nightclub.”

• 横スクロールの平行追従ショット

  日本語： 畑に沿って移動する、連続したフラットな横スクロールのトラッキングショットとして撮影する。1人の主人公が馬に乗って障害物飛越を行う中、カメラはレール上を水平に移動するように横から追従する。

  English: “Shot as a continuous, flat side-scroller tracking shot along a field. The camera moves laterally along a rail as a single protagonist does show jumps on horseback.”

• ノーカットでの出入り一連アクション

  日本語： シーンのカット割りを一切行わず、キャラクターがドアに近づき、ドアを開けて外に出て、背後でドアを閉めるまでの一連の動作を手持ちカメラの連続したワンショットで捉える。

  English: “Without any scene cuts, capture a single continuous, handheld shot of the character walking up to the door, opening it, and stepping outside while closing it behind her.”

技巧 8：トランジションとマルチカット編集を意図的に設計する（Introduce transitions and cuts）

逆に、複数カットによるストーリー展開が必要な場合は、モデルに任せてランダムに切らせるのではなく、映画監督が絵コンテを書くように、カット間のマッチング関係やオブジェクトの関連性（マッチカット）を明確に指示します。

公式プロンプトの原文と日本語対訳：

• 光と形状のメタモルフォーゼ・トランジション

  日本語： 暗い都市の高速道路を疾走する光の軌跡が、夜のビーチに打ち寄せる生物発光の波へとシームレスに変形・移行する。

  English: “Fast transit lights streaking across a dark city highway transforming into bioluminescent waves crashing on a night beach.”

• 幾何学的類似形のマッチカット（Match Cut）

  日本語： 「回転するコーヒーカップ」「巨大な観覧車」「アナログ時計の文字盤のクローズアップ」で構成される、幾何学的類似形のマッチカットシーケンス。

  English: “A match-cut sequence of a spinning coffee cup, a massive Ferris wheel, and a close-up of an analog watch face.

• 画角を段階的に広げる物語的マルチカット

  日本語： 風船を膨らませる女性のクローズアップから始まり、続いて湖でボートを漕ぐ彼女のカットへと切り替わり、最後は風船で満たされた広い湖を漕いでいく壮大なロングショットで締めくくる。

  English: “A close-up shot of a woman blowing up a balloon, followed by a cut to her rowing on a lake, ending with a wide shot of the lake filled with balloons as she rows

五、修正範囲を限定し、アクションのタイミングを合わせる

動画制作で最も苦労するのが修正作業です。小さな文字を直したいだけなのに、動画全体が再生成されて別物になってしまうことがあります。また、映像にテンポ感を持たせるには、秒単位でイベントを合わせる能力が不可欠です。

技巧 9：対話形式による精密な部分修正（Precision conversational editing）

既存の動画クリップに対して再度修正を加える際は、プロンプトを修正したい箇所だけに集中させることが肝要です。背景環境に関する修飾語を過剰に入れると、モデルがシーン全体を変更したいのだと誤認してしまいます。ここで公式が推奨する実用的な定型フレーズが、指示の最後に「それ以外はすべて現状のままとする」（Keep everything else the same）と付け加えることです。

公式プロンプトの原文と日本語対訳：

• 小道具の不可視化・消去

  日本語： 彼女の手にあるスマートフォンを完全に見えなくする。それ以外はすべて現状のままとする。

  English: “Make the phone in her hand invisible. Keep everything else the same.”

• 看板テキストの精密置換

  日本語： 看板の文字を「Omni Flash」に変更する。それ以外はすべて現状のままとする。

  English: “Change the sign text to read ‘Omni Flash’. Keep everything else the same.”

• キャラクターの特徴を維持した部分ライティング追加

  日本語： キャラクターの顔立ちや外見的特徴を維持したまま、被写体にドラマチックなリムライト（輪郭光）を追加する。

  English: “Add a dramatic rim light on the subject while maintaining character features.”

技巧 10：タイムコードでアクションとビートを演出する（Direct with timecodes）

Gemini Omniは、映像と音声をネイティブに同期させて生成する能力を備えています。自然言語で秒数を指定するか、脚本を書くようにブラケットで囲んだタイムスタンプ [0-3s] の形式を使って時間帯ごとに指示を割り振ることができます。

公式プロンプトの原文と日本語対訳：

• アップテンポな音楽ビートとの同期

  日本語： 視覚的なトランジションと同期した、ハイエナジーなシンセビートの音楽を含める。

  English: “Include a high-energy synth beat synced to the visual transitions.”

• タイムスタンプによるブラケット形式の演出（複数キャラクターのフレームイン・アウト）

  日本語：
  美しい郊外の歩道を捉えた固定カメラショット：
  [0〜3秒] 猫が画面の左側から走り込み、右側へと画面外に出ていく；
  [3〜6秒] 男性が左側から走り込んでその猫を追いかけ、右側へと画面外に出ていく；
  [6〜10秒] 犬の群れが左側から走り込んで男性と猫を追いかけ、揃って右側へと画面外に出ていく。
  
  

  English: A locked camera shot of a beautiful suburban sidewalk. [0-3s] A cat runs from left of frame and off frame right [3-6s] A man chases after the cat from left of frame and off frame right [6-10s] A group of dogs are chasing the man and the cat from left of frame and off frame right

• 自然言語による秒数指定プロンプト

  日本語： 添付画像のようなピンクのスケートリンクでアイススケートをするキャラクター：2秒の時点で、キャラクターがカメラの左側から入ってくる；5秒の時点で、空から雪が降り始め、キャラクターが見上げる。

  English: Character ice skating in a pink ice ring like the image attached: At 2 seconds, the character enters from the camera left. At 5 seconds, it starts snowing and the character looks up.

六、補足：ネガティブ制約（Negative Constraints）の活用

動画を生成する際、「何を入れたくないか」を定義することは、「何を入れたいか」を定義することと同じくらい重要です。背景に見知らぬ通行人や不要な物が映り込んだり、不自然なナレーションが入ったり、不自然なプラスチックのような反射が生じたりするのを防ぐために、プロンプトにはシンプルで構造化されたフレーズを追加することをおすすめします。

これらのテクニックをひとつの制作フローに統合する方法

実際の制作では、以下の順序でこれらのテクニックを組み合わせることができます。

1. 序盤のアンカー設定：@ タグを活用して既存のキャラクターや絵コンテを読み込むか、開始・終了フレームを直接指定して、まず視覚的な基盤を固めます。
2. カメラワークと構成のルール決め：長回しなら No scene cuts を追加し、カット割りを取り入れるなら Match Cut などを用いて能動的に手順を指定します。
3. 修正時の範囲限定：小さな不備があっても全文を書き直さず、修正対象を絞って Keep everything else the same を追加します。
4. 秒数によるビート設計：角括弧のタイムスタンプ [0-3s] を使ってアクションをモデルに分解して伝え、各動作の順序とタイミングの目標を明確にします。

これらの手法に共通するのは、指示における曖昧さを排除することです。素材によって対象を明確にし、カメラの指示によって見せ方を定め、タイムコードによって順序を確定させ、編集指示によって修正範囲を絞り込みます。生成後は毎回これらの目標と照らし合わせて結果を確認し、微調整を重ねていきます。