Google、「Gemini」の画像編集を大幅強化　顔やペットの見た目を維持したまま合成・微調整が可能に

写真の中の服を変えたいだけなのに、AIが気を利かせすぎて全く別人の顔に変えてしまう。画像編集AIを使ったことがある人なら、誰もが経験したことのあるもどかしさです。

Googleは8月26日、Geminiアプリ向けに新しい画像編集モデルを正式導入したと発表しました。このモデルは「Gemini 2.5 Flash Image」として、アプリだけでなくGemini API、Google AI Studio、Vertex AIを通じても提供されます。

数週間前から匿名のAI評価プラットフォーム「LM Arena」で「nano-banana」という謎のモデルが突如現れ、Black Forest LabsのFlux-Kontextを大きく引き離して首位を独占し話題を呼んでいましたが、その正体が明かされた形です。

人の顔を崩さずに細部だけを変える

Google DeepMindが開発したこの新モデルは、編集時のキャラクターの一貫性を維持することに徹底して焦点を当てています。

Google DeepMindでビジュアル生成モデルのプロダクトリードを務めるNicole Brichtova氏は、友人や家族、ペットの見た目が編集後も自然に維持されるよう設計したと説明しています。自分の写真をアップロードして60年代風のヘアスタイルを試したり、チワワにチュチュを着せたりしても、本人の面影がそのまま残ります。

機能面では、自然言語による複数回の連続編集に対応しました。空の部屋の写真にまず壁紙を貼り、次の指示で本棚を置き、さらにコーヒーテーブルを追加するといった作業を、元の構図を壊さずに行えます。

さらに複数画像の合成も可能です。自分の写真と飼い犬の写真を別々に渡し、バスケットボールコートに一緒にいる1枚の画像にまとめることができます。API利用料は1画像あたり0.039ドルと、OpenAIのgpt-imageやFlux-Kontextよりわずかに安く設定されました。出力された画像には目に見えるウォーターマークのほか、電子透かし「SynthID」が埋め込まれます。

なぜ重要か

一般ユーザーやクリエイターにとって、このモデルは今すぐ試す価値が十分にあります。プロ向けソフトで時間をかけて行っていたマスク処理や切り抜き作業が、日常会話のような指示だけで完結するためです。部屋の模様替えのシミュレーションやSNS用のビジュアル制作の敷居が一気に下がります。

業界全体で見れば、Googleは急速に差を広げるOpenAIへの巻き返しを本格化させています。ChatGPTの週間アクティブユーザーが7億人を超える一方、GoogleのCEOであるSundar Pichai氏が7月に明かしたGeminiの月間アクティブユーザーは4億5000万人にとどまります。OpenAIがGPT-4oで巻き起こした画像生成ブームのような熱狂を、自社プラットフォームに取り戻す狙いは明白です。

私たちの見立てでは、Googleが単なる見栄えの良さではなく「崩れない一貫性」という実用的な課題にリソースを集中させた判断は極めて合理的です。一方で、精巧な編集が手軽に行えるようになる分、いくら電子透かしを埋め込んでもタイムライン上で見分けるのは難しく、ディープフェイク拡散への懸念は依然として残ります。