Gemini Omni 1.1 Flash の照明 prompt — 数値ではなく光源を名指しする

当社は Gemini Omni 1.1 Flash の prompt に照明の指示をひとつ書き込み、目を細めて眺める代わりに、返ってきたものを計測しました。その半分は無傷で届きました。もう半分 — たいていの人が簡単なほうだと思っている半分 — は届きませんでした。

prompt が名指ししたのは、キーとしての西向きの窓、その 1 段下でより暖かい第二の光源としてのタングステンの卓上ランプ、光の帯のなかで回る埃、そしてハイライトが柔らかく落ちるフィルムストックです。720p で 8 秒、$0.72。

照明器具は両方とも届きました。ランプは、両方が見えるすべてのフレームで昼光より暖かく読めます — 2 秒半の時点で赤対青が 3.02 に対して 1.49 — そして埃は、当社がサンプリングした 4 フレームすべてで光の帯のなかを回っています。届かなかったのは、それに付いていた量のほうです。当社はランプを窓の 1 段下に頼みました。しかし計測した差は、クリップが進むにつれて窓の 1.47 段下から半段上まで振れます。それがこの記事の主張です。Omni は、指を差せる光源は受け取り、それに付随する数字は静かに落とすのです。

Google のドキュメントは、有用なかたちで自己矛盾している

Omni が共有している語彙を載せている Veo の prompt リファレンスは、ambiance を 「色と光がシーンにどう寄与するか。たとえば青みのあるトーン、夜、暖かいトーンなど」 と定義しています。その要素の表だけを読めば、照明の指示とは「warm tones」のようなものだ、と結論するでしょう。

では例の prompt を読んでください。Omni のページにある単一シーンの例は、「Sunbeams illuminate dust motes in the air.」 で終わります。8 語のなかに、光源と方向と目に見える媒質があります。Google の Veo 3.1 の prompt ガイドはさらに踏み込んでいて、あるオフィスのシーンは 「lit by the harsh fluorescent overhead lights and the green glow of the monochrome monitor」 であり、「Retro aesthetic, shot as if on 1980s color film, slightly grainy.」 が添えられています。

色と質を指定された照明器具が 2 つ、それに時代がひとつ。キーもフィルもレシオもケルビンもなく、歩いて入っていける部屋を describe しています。表と例のあいだのこの落差こそ、ドキュメントのなかで最も実行に移せるものです。例のように書いてください。

物理的な光源は照明の専門用語に勝つ

現場の経験がある人の本能は、部門の用語です。カメラ左からのキー、2 段落としたフィル、後ろからのリム。以下がその本能を書き出したもので、その隣に当社が実際にレンダリングした書き直しを並べます。生成したのは 2 つめだけで、1 つめは計測された結果ではなく形を示すものです。

Cinematic shot of a wooden chair in an empty apartment. Beautiful dramatic
lighting with a strong key light from camera left and soft fill from the
right, plus a rim light separating the subject from the background. Moody
atmosphere, golden hour vibes, professional color grading, high dynamic
range, rich shadows, warm cinematic tones, film look, shot on a cinema
camera, high contrast, 8k, masterpiece quality. Beautiful and atmospheric
throughout.

そこには、何がどこにあるのかをモデルに伝えるものが何もありません。モデルは照明器具をシミュレートしているのではなく、そう describe されたフレームがどう見えるかを予測しているのであり、「key, fill, rim」はこれまでプロが撮ったほぼすべてのフレームに当てはまるので、この語句はこのフレームについて何も語っていません。

当社が回した版、720p で 8 秒です。

Late golden hour inside a nearly empty apartment. 35mm lens at f/2.8,
camera on a slow arcing dolly drifting left around a wooden chair. Low sun
through a west-facing window throws a long parallelogram of warm orange
light across a bare floor, dust suspended and turning through the beam. A
practical table lamp with a tungsten bulb glows in the shadowed half of the
room, a full stop under the window and noticeably warmer. As the camera
arcs, the window light rakes across the chair's back and the cool shadow
side of the room enters frame, so warm and cool sit inside the same shot.
Kodak Vision3 250D character: soft highlight roll-off, gentle halation
around the window. Ambient: distant traffic, no music.

このなかの照明の節はどれも、部屋のなかの何かを名指ししています。方位を持った窓、その光が床に作る形、光の帯のなかの粒子、球の種類を指定したランプ。モデルは窓から差し込む低い太陽のフレームを何百万枚も見ていますが、「rim light at 45 degrees」というキャプションの付いたものはごくわずかしか見ていません。

計測が示したもの

当社は 4 つのフレーム — 0.5、2.5、5.0、7.5 秒、24 fps ではフレーム 12、60、120、180 — を取り出し、それぞれで面ごとに矩形をひとつサンプリングしました。暖かさは、納品されたままの 8 bit の値で見た、その領域の平均色の赤対青の比です。段の差は、まず伝達関数を戻したうえで線形化した sRGB 上で計算した Rec.709 輝度比の底 2 の対数です。飽和は、その領域の画素のうち、あるチャンネルの上限に貼りついているものの割合です。

カメラが弧を描くため、領域は画面上の固定位置ではなく名指しした面を追う必要があります。ですから矩形は公開する価値があります。1280 × 720 のフレームにおける (x0, y0)–(x1, y1) として、次のとおりです。

フレームは ffmpeg -i golden-hour-interior.mp4 -vf "select=eq(n\,12)" -vsync 0 -frames:v 1 frame.png で取り出せます。以下の数字はすべて、上でリンクしたのと同じファイルに対して走らせた 1 本のスクリプトが出力したものです。

暖かさの順序は保たれました。 両方が画面にあるところではどこでも、タングステンのランプは昼光より暖かく読めます。3.02 対 1.49、次に 2.55 対 1.72、そして 2.30 対 1.94。当社は「noticeably warmer」を頼み、毎回それを得ました。差はクリップが進むにつれて縮みますが、閉じることはありません。

暖色と寒色は、たしかにひとつのフレームに収まりました — 指示の狙いどおりです。7.5 秒の時点で、1 枚のフレームが 3 つの分離を抱えています。奥の壁が 1.52、日の当たった床が 1.94、ランプが 2.30。名指しした 2 つの照明器具だけで、この広がりが生まれました。

ただし、その演出は手柄にできません。 prompt はカメラが弧を描くにつれて寒色の側が入ってくるよう頼み、実際に壁は始まりより冷たく終わります。2 秒半で 2.15、7 秒半で 1.52 です。ただしそこへきれいに向かうわけではなく、途中では 1.96 と読めますし、それらは同じ壁でもありません。弧がフレームを動かすので、早いサンプルはランプの届く範囲の内側にあり、遅いサンプルはその外側にあります。暖かい照明器具からの距離は、指示への従順さと同じくらいうまくこの揺れを説明しますし、4 フレームではその 2 つを切り分けられません。

大きさは失敗し、しかも漂流しました。 当社はランプを「a full stop under the window」と頼みました。昼光の当たった床をランプ自身の陰と比べて測ると、その差は 2 秒半で 1.47 段、5 秒で 0.64 段、そして 7 秒半では −0.47 段 と動きます。終わりにはランプのほうが、その下に座るよう言われた日光より明るく読めるのです。頼んだ 1 段になったことは一度もなく、安定した間違いですらありませんでした。

窓は白飛びすると思っていました。そうはなりません。 冒頭のフレームで、窓ガラスはクリップしているように見えて、していません。赤が 255 に達するのは画素の 0.81 パーセント、緑は 0.03 パーセント、青はそこに一度も届かず、フレーム全体でも青の最大値は 249 です。値はむしろ上位のわずかなコードに密集しており、窓ガラスの赤は中央値で 249、99 パーセンタイルで 254。ガラスは白くなるのではなく、赤対青 1.11 のかすかな暖色を保っています。柔らかいショルダーとは、こういう見え方のことです。ただし、それを当社がもたらしたとは言えません。上限に一度も届かない場面は外から見れば同じように見えますし、フィルムストックの一節を外してレンダリングした版が手元にない以上、比べようがないのです。

それぞれがどんな種類の指示だったかで並べ替えると、パターンは見逃しようがありません。物理的で名指しできるものは届き、数値的な大きさは届かず、グレードの言葉については統制されたレンダーがない以上どちらとも採点できません。

practical は動くショットをまとめてくれる

当社が見つけた最も有用なコツは、目に見える照明器具を画面に入れることです。practical — ランプ、モニター、ろうそく、ネオンサイン — は、一貫していられる固定物をモデルに与えます。そして一貫性は最初に崩れるものです。カメラは prompt どおり左へ弧を描きます。ランプは 0.5 秒では画面の外、2.5 秒では右端に、後半はまるごと見えています。端から離れて座っている両方のフレームで、ランプは自分の角と、幅木に対する位置と、壁に投げる光だまりを保っています。画面のなかにいることが、それを安定させるのです。

質としてしか describe されていない照明 — 「moody」「dramatic」「low-key」— は、保つべきものをモデルに何も与えないので漂流し、カメラが動くときに最も速く漂流します。ショットに少しでも動きがあるなら、そのなかに光を入れてください。

時刻はどんな形容詞にも勝つ

「Golden hour」は「cinematic」「moody」「dramatic」を全部合わせたよりも多くの仕事をします。3 つの変数を一度に固定するからです。太陽の高さ、その色、そしてすべての影の長さと柔らかさ。影が長いことは誰もモデルに伝えません。ついてくるのです。1 日の残りも、同じくらい意図して選ぶ価値があります。

• Blue hour — 硬い影がなく、寒色に転び、そして空より明るいので practical が支配します。
• 真上の正午 — 真下へ落ちる短く硬い影、高いコントラスト。人を美しくは写しませんが、そのぶん使えます。
• 夜 — こちらが用意しなければキーはありません。照明器具を名指ししてください。「night」だけでは、モデルが保ちもしない月光の光源を発明してしまいます。

方向も物理的に指定してください。「backlit by a streetlamp behind her」はリムと、カメラのほうへ伸びる長い影を与えます。「backlight」だけでは、モデルの気分次第です。

フィルムストックと LUT の言葉 — 一部は通る

ここでの正直な答えは、部分的です、というものです。時代とストックの言葉は民間伝承ではなくドキュメント化された実践であり、Google は自身の例に 「shot as if on 1980s color film, slightly grainy」 と書き込み、当社の以前の prompt ガイドで扱ったように、film noir のようなフィルムのスタイルのキーワードをスタイル要素として挙げています。

当社のクリップが裏づけるものは、それより狭い範囲です。当社は「Kodak Vision3 250D character: soft highlight roll-off, gentle halation around the window」を頼みました。ブルームらしきものは現れました。窓のまわりの光のにじみと、冒頭のフレームの低い位置にあるフレアの人工物です。ただしそれを halation と呼ぶのは当社の読みであって、計測ではありません。同じ息で頼んだ roll-off のほうは、数字のなかにあります。ハイライトは上限を突き抜けることなく、そこへ向かって圧縮されています。しかし 1 回のレンダーだけでは、仕事をしたのがストック名なのか、平易な記述なのか、そのどちらでもないのかは分かりません。クリップしない窓は、この場面がもともとそう見えるというだけでもあり得ます。当社はそのテストの統制された版を回していません。

当社が使っている経験則です。

• 目に見える性質は通ります。 グレイン、ブルーム、潰した黒や持ち上げた黒、低コントラストと高コントラスト、モノクローム、強いビネット。どれも、静止画のなかで指を差せるものを名指ししています。
• 色の関係はたいてい通ります。 「Teal shadows and orange skin」は計測できるものを 2 つ describe しています。「teal and orange」だけならグレーディングの流行であり、そういうものとして扱われます。
• describe されずに名指しされただけの look は当てになりません。 「Cinematic」「film look」「professional color grading」は何も絞り込みません。「Bleach bypass」はその中間に座ります。実在の処理を名指ししているので、それが何をするかを prompt に書いてください。非常に高いコントラスト、彩度の落ちた色、黒に残る銀です。
• 「Low contrast log」 は当社なら避けます。これはあとでグレーディングされることを前提にした撮影用のカーブであり、モデルのなかにポストの工程はありません。得られるのは平坦で乳白色の絵で、そこから戻る道はありません。

空気は、ノイズになるまでは無料のディテール

浮遊する粒子は、照明の語彙のなかで最も安いリアリズムです。光そのものを目に見えるようにするからです。当社は「dust suspended and turning through the beam」を頼み、埃はサンプリングした 4 フレームすべてに写っています。Google が 「Sunbeams illuminate dust motes in the air.」 で狙っているのと同じ効果です。ヘイズ、霧、煙、湯気も同じように働き、光源を形と減衰を持った体積に変えます。

失敗のしかたは積み重ねです。霧に god ray にレンズフレアにボケに埃を足せば、空気が被写体を食べてしまったフレームができあがり、5 つのうちどれが重要だったのかをモデルが知る術はありません。ショットひとつにつき空気の要素はひとつ、そして名指しした光源に仕えるものを。レンズフレアは、観客にカメラの存在を意識させたいときにだけ頼んでください。低い太陽にレンズを向ければ、当社のクリップがそうだったように、頼まなくてもやって来ます。

正直な限界 — 何も戻せない

prompt の言葉がほぼ唯一のレバーであり、Google の Omni のリファレンスは明快です。「システム指示、temperature、top_p、停止シーケンス、そしてネガティブ prompt には対応していません」。ガイダンススケールもなく、スタイルの強さの値もありません。グレードが 10 パーセント暖かすぎて返ってきても、取り除くべき 10 パーセントは存在しません。文を書き直せば、フレームの残りもそれと一緒に変わります。

ふたつめは再現性です。同じ照明の prompt が同じ光を 2 回返すことはありません。決定性は seed からしか来ません。取っておく価値のある look にはそれを記録してください。そして seed を保っていても、1 語変えれば未知の領域に戻ることを覚悟してください。

みっつめはポストです。編集の prompt は存在します。Google は 「Change the lighting to be more dramatic」 を挙げています。しかしそれは色を補正するのではなくショットを生成し直すものですし、モデルカードは 「編集の全体を通して完全な一貫性を維持すること」 が依然として課題だと警告しています。納品されたファイルは、あなたの編集ソフトでグレーディングしてください。すべてのフレームには、誰にも切れない SynthID の透かしが入っています。

光を反復するのにかかる費用

照明は prompt のなかで最も多く書き直す部分です。押し引きするものが何もないからです。ですから重要なのは間違うことの費用であり、プロバイダーの差が最も開くのは 4K です。そこでは Gemini Omni 1.1 Flash が E2X で 1 秒あたり $0.18、Google を直接呼ぶと $0.3041 で、およそ 41 パーセント安く、これは当社のどのティアより大きい差です。当社の上には 1 秒あたり WaveSpeed が $0.39、Runware が $0.32、fal が $0.30 と並びます。Replicate は比較の外に留まります。その掲載には、このモデルに 1 秒あたりの数字が付いていないからです。8 秒の 4K の納品は当社で $1.44、Google からは $2.43。10 秒なら $1.80 対 $3.04 です。

この差は実のところ、それぞれのはしごが持つ 720p の料金に対する倍率の違いです。どちらもその 3 分の 1 から始まり、どちらも 1080p で 1.5 倍にします。分かれるのは一番上の段で、Google の倍率は 3、当社は 2 です。プロバイダーの全体比較は別記事にあります。

ワークフローはそこから決まります。探索は 360p で。4 秒のテイクが 12 セントで、光源の位置、影の方向、暖色と寒色の分離、そして practical が動かずにいたかどうかは、それでも判断できます。そのうえで一度だけ本番を回してください。360p で 10 パスに 8 秒の 4K マスターを 1 本足して $2.63、同じ 11 本のジョブを 4K で回せば $8.64 です。360p で見えないのは細かい質感 — グレイン、ブルーム、roll-off — なので、prompt のフィルムストックの側は、当社がそうしたように 720p でテストしてください。

価格は 2026 年 8 月 29 日に確認したもので、変わることがあります。購入の判断をする前に、各プロバイダーの現在の価格を確認してください。これは範囲を限った比較であり、あらゆる構成で最安だという主張ではありません。

よくある質問

Gemini Omni 1.1 Flash の prompt で照明はどう describe しますか？

照明の役割ではなく、物理的な光源を名指ししてください。「Low sun through a west-facing window」は「key light from camera left with soft fill」に勝ちます。Google 自身の例も同じことをしています。あるシーンは「harsh fluorescent overhead lights and the green glow of the monochrome monitor」で照らされており、色と質を持った照明器具が 2 つ、部門の用語はありません。

Kodak Portra のようなフィルムストックを名指しすると出力は変わりますか？

部分的には変わりますが、そのうちどれだけが名前そのものによるものかは言えません。当社は「Kodak Vision3 250D character」を halation と roll-off の明示的な記述と組み合わせました。ブルームらしきものは現れ、ハイライトもクリップせずに上限の下にとどまりました。ただし、その名前を外したレンダーがない以上どちらの結果もストック名の手柄にはできませんし、当社はそのレンダーを行っていません。ストックと時代の言葉はドキュメント化された実践であり、Google の Veo 3.1 のガイドは例のなかに「shot as if on 1980s color film, slightly grainy」と書き込んでいます。ただし、ストック名と欲しい性質の両方を名指ししてください。

Gemini Omni で色温度をケルビンで指定できますか？

parameter としてはできませんし、prompt の本文に書いたケルビンの数字も当てになりません。効くのは球や昼光の条件を名指しすることです。タングステン、ナトリウム灯、蛍光灯、ろうそくの灯り、低い太陽。当社の計測では、両方が写っているすべてのフレームで、タングステンのランプは窓から差す日光より暖かく読めました。絶対値としての数字は制御できなくても、名指しした照明器具どうしの相対的な色は本物の制御です。

寒色を頼んだのに、ショットの陰の側が暖かく出てくるのはなぜですか？

たいていは、実際に何か暖かいものがそこに当たっているからです。当社のクリップでは壁の測定値が赤対青 2.15 から 1.52 まで下がりましたが、カメラは弧を描いていたので、それらはひとつの壁が冷えていったのではなく別々の面であり、しかも暖かかったほうはタングステンのランプの届く範囲の内側にある壁でした。どちらにせよ教訓は変わりません。面は、そこに届いたものとして読まれます。暖かさの不在として describe するのではなく、寒色の側にも青い夕空へ開いた窓やモニターのような、それ自身の光源を与えてください。

カメラが動いても practical の照明は一貫していますか？

当社のクリップでは、はい。卓上ランプは弧を描く動きの途中で画面に入ってきて、端から離れて座っていた両方のフレームで、自分の角と、幅木に対する位置と、壁に投げる光だまりを保ちました。目に見える照明器具は、保つべき具体的なものをモデルに与えます。ムードには錨がなく、カメラが動くときに最も速く漂流します。

同じ照明の prompt で同じ光が 2 回得られますか？

いいえ。再現性は seed からしか来ません。サンプリングの parameter が露出されていないからです。取っておく価値のある look を生んだ prompt には seed も一緒に記録してください。そして seed を保っていても、1 語変えれば結果が動くと考えてください。

4K で照明を反復するといくらかかりますか？

2026 年 8 月 29 日時点で、8 秒の 4K のクリップは E2X で $1.44、Google から直接なら $2.43、10 秒なら $1.80 対 $3.04 です。探索は 360p で — 4 秒のテイクあたり 12 セント — そのうえで一番上で一度だけ本番を回してください。360p で 10 パスに 4K のマスターを 1 本足して $2.63、同じ 11 本のジョブを 4K で回せば $8.64 です。

どこで試すか

上のクリップは text-to-video を 720p で 1 秒あたり $0.09 で回したものです。ライティング済みの静止画をモデルに渡したいのであれば、image-to-video と start-end-frame-to-video も同じ料金です。初めてですか。まずはタグの構文とショット数のふるまいから。モデルが黙って 3 つのショットに切り分けたクリップでは、照明の prompt は無駄になります。そして光が 10 秒を超えて生き延びなければならないのなら、延長はそれ自体が別の問題です。