ブログ / 6分で読めます · 2026-05-24

Gemini Omniでよくある失敗パターンと対策：文字崩れ・手の破綻・人物のブレ・長すぎるプロンプト

Gemini Omniが失敗しやすい場面と対策をまとめました。画面内の文字崩れ、手指の破綻、4ショットを超えると人物が変わってしまう問題、50語を超えるプロンプトで焦点がぼやける問題を、コミュニティの実機テストをもとに解説します。

Gemini Omniの公開直後の報道は、派手なデモ動画ばかりでした。実際にどこで失敗するのかは、PixVerse、Atlas Cloud、digit.in、Seaartが公開翌日に出した実機レビューを読み込まないと見えてきません。この記事では、報告されている制約を出典付きでひととおりまとめ、失敗を避けるプロンプトの書き方を解説します。

1. 画面内の文字が崩れる

問題: 画面内の文字、ラベル、看板、ブランドロゴ、キャプションは、Omniの出力ではどれも崩れます。文字がにじみ、書体がゆがみ、単語として読めなくなります。

原因: 拡散モデル系の動画モデルは、文字を意味のある記号ではなく、見た目の模様（テクスチャ）として扱います。フレームごとに文字を描き直すため、字形がそろいません。

対策:

• プロンプトでは、文字の重ね表示（テキストオーバーレイ）に一切触れない。
• 商品カットでは、unbranded packaging や blurred logo in background と指定する。
• 看板や店構えでは、具体的な単語ではなく stylized signage with abstract symbols と指定する。
• どうしても文字が必要なら、Omniには描かせず、編集の段階で重ねる前提にする。

確認元: PixVerseの実機レビュー — 英語・中国語・日本語のいずれでも同じ現象が確認されています。公開時点では、特定の言語ならうまくいくという抜け道はありません。

2. 手指の動きが崩れる

問題: 物を握る、キーボードを打つ、手話をする、楽器を弾くといった細かな手指の動きは破綻しやすくなります。指がくっついたり、物が手をすり抜けたり、関節が不自然な方向に曲がったりします。

原因: 手はほかの部位より関節の自由度が高く、物に隠れることも多い部位です。学習データは静止したポートレートや引きの画が中心で、手元を大きく写した作業シーンは多くありません。

対策:

• できるだけ構図で手を隠す。 横から追う移動撮影（tracking shot）にする、手を背中に回す、手首から先をフレームの外に出す、といった方法が有効です。
• 手元の作業をアップで指定しない。 Close-up of fingers typing はほぼ確実に破綻します。
• 楽器の演奏シーンでは: 指の位置は指定せず playing the piano とだけ書き、細部はOmniにおおまかに任せます。
• 多少の粗は割り切る。 カメラから5フィート（約1.5m）以上離れた手はおおむね問題ありませんが、手が画面の30%以上を占めると失敗しがちです。

確認元: PixVerseのレビューとdigit.inのテスト。

3. 複数ショットで同じ人物を保てるのは3〜4ショットまで

問題: 参照画像を添えて @character_name を使えば、ショットをまたいで同じ人物を登場させられます。うまくいくのは3ショット目まで。4〜5ショット目になると顔がはっきり変わりはじめ、6ショット目以降は別人になります。

Atlas Cloudの評価: 4ショット以上での人物の一貫性は5点満点中3点。実際の制作で求められる水準には届いていません。

対策:

• 3ショット単位で制作を組み立てる。 3ショットを超えたら、人物をあらためて指定し直し、次のまとまりを新しいシーケンスとして扱います。
• @character_name には必ず参照画像を添える。 プロンプトの文章だけで人物を説明する方法には頼らないでください。
• 各ショットのプロンプトに keep [character_name]'s face, hair, and outfit identical という固定指定を入れます。
• 何度か生成し直す前提で進める。 顔が納得できるレベルでそろうまで、同じプロンプトで3〜5回生成が必要になることもあります。

確認元: Atlas Cloudの複数ターンでの一貫性レビュー。

4. 複雑な動きではAI特有の破綻が出る

問題: ダンス、体操、スポーツ、楽器演奏などの複雑な動きでは、手足が増える、ありえない角度に関節が曲がる、速い動きがにじむ、といったAI特有の破綻がはっきり出ます。

digit.inの検証結果: 歩く・立つ・話すといった単純な動作は問題なく生成できます。一方、ダンスや全身を使う体操のような複雑な動作は、ほぼ毎回失敗します。

対策:

• 仕上がりの品質が大事な場面では、被写体の動きを単純にする。
• 複雑な動きを見せたいショットでは、slow-motion ballet pose mid-spin のようにスローモーションの表現を使います。モデルが描く途中の動きのフレームが少なくて済みます。
• いちばん難しい部分はフレームの外に出す。 たとえばジャンプの場面では、全身ではなくダンサーの上半身だけを見せます。

確認元: digit.inのレビュー。

5. 50語を超えるプロンプトは焦点がぼやける

問題: プロンプトを長くしても、そのぶん思いどおりになるわけではありません。50語前後を超えると、モデルの注意が細部に薄く分散し、出力は具体的になるどころか、ありきたりな画になります。

Seaartの検証結果: 出力の質は30〜50語あたりで頭打ちになり、60〜70語を超えると落ちていきます。

対策:

• プロンプトは30〜50語を目安にする。 長く書けばそれだけ伝わるわけではなく、むしろ逆効果です。
• もっと細かく指定したいときは、トリガーパターンを使う。 ベースのプロンプトと、続けて送る追加指示に分けて、状態の変化を指定します。
• 形容詞は思い切って削る。 Stunning beautiful epic cinematic は飾りにすぎない4語です。35mm film, warm tungsten のような具体的なスタイル指定ひとつに置き換えてください。

確認元: Seaartの分析。

6. ブランド名・作品名：権利者の名前ではなく表現手法で指定する

問題: 著作権で保護された作品やキャラクター（Marvel character、Studio Ghibli style など）や実在の著名人を名指しすると、他人のものを再現するようモデルに頼むことになります。モデルはそうした依頼を断るように作られています。しかも断られたとわからない場合が多く、エラーは出ずに、特徴の薄い画がそのまま返ってきます。

原因: これは意図された仕様です。Googleのセーフガードは知的財産の侵害を防ぐためのもので、この挙動は正しいものです。Omniは特定の作品に合わせて調整されておらず、元の作品に似すぎる出力は止められるか、特徴を薄めた形で出力されます。

対策:

• 作品名ではなく、表現の特徴を書く。 Ghibli style ではなく Hand-painted watercolor animation、Pixar style ではなく 3D animated character with soft rim lighting と書きます。
• プロンプトに存命の人物の名前を入れない。 それとなくほのめかすだけでも、出力の質が下がることがあります。
• Avatar機能では: 自分自身の @username だけを使います。他人の顔を再現しようとしても、本人確認の段階で通りません。

7. 1クリップ10秒の上限（失敗というより仕様上の制約）

TechCrunchの公開時の報道によると、Gemini Omni Flashで生成できるクリップは1本あたり10秒までです。長い作品を作るときは、上限と格闘するより、Google Flowでクリップをつなぎましょう。

まとめ表

映像が崩れるのではなく、プロンプトそのものが拒否される場合は、無料のプロンプト拒否診断ツール（英語）にかけてみてください。誤ってブロックされる原因になりやすい語を洗い出し、中立的な言い換えを提案してくれます。

このリストの使い方

これらは、待っていればそのうち直るバグではありません。公開時点のGemini Omni Flashに一貫して見られる特性です。最初から織り込んでプロンプトを組み立てましょう。

1. 基本は画面内の文字なし。手はできるだけ隠し、プロンプトは50語未満にします。
2. @character_name と固定指定をはっきり書き、3ショット単位で制作を組み立てます。
3. 作品名・キャラクター名は、表現手法を説明する言葉に置き換えます。
4. 長いストーリーは、10秒の上限と格闘せず、Flowでつなぎます。

関連記事

• 実践ガイド — ここで挙げた制約を、制作の流れの中で解説しています
• カメラ用語集 — この制約の中で使えるカメラの動きの言葉
• "Keep X identical" 固定指定 — 複数ショットで作るときの基本ルール
• 用語集 — 各失敗パターンの定義