Gemini Omni Flash

Gemini Omni Flash は、特に指示しなければ複数のカットに分かれた動画を生成します。1 つのシーンで続けるか、何秒でカットを分けるかをプロンプトに書き、接続した画像はタグを使って文中で指し示します。

シーンと時間を指定する

Gemini Omni Flash はプロンプトをもとにストーリーを組み立てるため、基本的に複数のカットに分かれた動画を生成します。

1 つのシーンで続けて生成する

カットのない 1 つのシーンで続く動画にしたい場合は、下の表現のいずれかをプロンプトに入れます。

In a single unbroken scene / In a single continuous shot / No scene cuts

途切れない 1 つのシーンで / 1 つの連続したショットで / シーンの切り替えなしで

時間を指定してカットを分ける

反対に、時間を指定してカットを自分で分けることもできます。決まった書式はなく、普通の文やタイムコードで書きます。

After 3 seconds, a woman enters the scene.
At 5s the chorus starts in the background audio.
Every 2s cut to a new frame.

3 秒後、1 人の女性がシーンに入ってくる。 / 5 秒の時点で、背景オーディオのサビが始まる。 / 2 秒ごとに新しいフレームにカットする。

[0-3s] A person is walking
[3-6s] They stop and turn around
[6-10s] They start running

[0〜3秒] 1 人の人物が歩いている。[3〜6秒] 立ち止まって振り返る。[6〜10秒] 走り出す。

タイムコードは、ビデオノードで設定した長さの範囲内で分けます。設定できる長さは最大 10 秒です。
オーディオはプロンプトをもとに自動生成されるため、音が鳴るタイミングも同じ方法で書けます。

対応する入力と長さ・比率・解像度は、動画モデルで確認できます。

画像をタグで指し示す

画像の役割はビデオノードのどの入力に接続したかで決まり、プロンプトではタグでその画像を指し示します。

開始フレーム入力に接続した画像は動画の最初のフレームになり、参照画像入力に接続した画像は最初のフレームではなく参照としてのみ使われます。2 つの入力は一緒に使用でき、参照画像は最大 6 枚まで接続できます。

タグ	指し示す画像
`<FIRST_FRAME>`	開始フレーム入力に接続した画像
`<IMAGE_REF_N>`	参照画像入力に接続した画像。接続した順に 0 から番号が付き、開始フレームは数えません

参照画像を 6 枚接続した場合は、<IMAGE_REF_0> から <IMAGE_REF_5> までを使います。

開始フレームを接続した場合は、<FIRST_FRAME> で指し示します。

<FIRST_FRAME> a woman is walking

開始フレームの女性が歩いている。

参照画像を 2 枚接続した場合は、接続した順に <IMAGE_REF_0>、<IMAGE_REF_1> で指し示します。

in the style of <IMAGE_REF_0> a woman <IMAGE_REF_1> is walking

1 枚目の参照画像のスタイルで、2 枚目の参照画像の女性が歩いている。

時間の指定と組み合わせる

タグは時間の指定と組み合わせて使えます。下の例は、参照画像を 4 枚接続したときのプロンプトです。

[0-3s] A studio fashion sequence. Starting with woman <IMAGE_REF_0>, she is holding <IMAGE_REF_1>
[3-6s] Then we see the man <IMAGE_REF_2> holding <IMAGE_REF_3>

[0〜3秒] スタジオでのファッションシーケンス。1 枚目の参照画像の女性から始まり、彼女は 2 枚目の参照画像のものを持っている。[3〜6秒] 続いて、3 枚目の参照画像の男性が 4 枚目の参照画像のものを持っている様子が映る。

Klipse が自動で付ける宣言

画像を接続すると、Klipse が各画像の役割を伝える宣言をプロンプトの先頭に、その役割どおりに使うよう指示する案内文をプロンプトの末尾に自動で付けます。画像が多く役割が複雑でも、プロンプトにはタグを入れた本文だけを書きます。

接続した入力	先頭に付く宣言	末尾に付く案内
開始フレーム	`[# Sources <FIRST_FRAME>@Image1]`	1 枚目の画像を開始フレームとして使うよう指示する文
参照画像	`[# References <IMAGE_REF_0>@Image2 <IMAGE_REF_1>@Image3]` のように、接続した枚数分。開始フレームがない場合は `@Image1` から数えます	参照画像を最初のフレームとしてではなく参照として使うよう指示する文

例えば、開始フレーム 1 枚と参照画像 1 枚を接続し、下のように書きます。

a woman <IMAGE_REF_0> is walking.

参照画像の女性が歩いている。

モデルには、[# Sources <FIRST_FRAME>@Image1] [# References <IMAGE_REF_0>@Image2] で始まり、2 枚の画像をそれぞれ開始フレームと参照として使うよう指示する案内で終わるプロンプトが渡されます。

タグを使うときの確認事項

タグは、その入力に画像を接続したときだけ使います。 開始フレームを接続せずに <FIRST_FRAME> を書いたり、接続した枚数を超える番号の <IMAGE_REF_N> を書いたりすると、指し示す画像がありません。
文中では、Image2 のように順番で呼ぶより、タグで指し示すほうがおすすめです。宣言の @Image の番号は開始フレームを接続したかどうかで変わりますが、<IMAGE_REF_N> は参照画像だけを数えるので変わりません。
接続を解除してから接続し直した参照画像は、最後の番号になります。
Kling Omni で使う <<<image_1>>> の表記も使えます。1 から数えるこの番号は <IMAGE_REF_0> から始まる番号に変換されて渡されるため、<<<image_1>>> は 1 枚目の参照画像を指します。
ビデオ入力で AI編集するときは画像を一緒に使用できないため、タグを使わず、変更する内容だけを書きます。