Google AI Studioのメディア生成｜画像・音声・動画・音楽の使い方と料金

01 / CHOOSEGoogle AI Studioのメディア生成は、何を作るかで選ぶ

「一番高性能なモデルはどれか」から入ると、用途の違うものを比べてしまいます。静止画・読み上げ・映像・音楽のどれが必要かを決め、その後でモデルと利用条件を見てください。

モデル名は画面の表示名だけでなく、可能ならIDも確認します。「Flash」「Pro」という名前だけでは、通常の文章モデルなのか、画像・音声の専用モデルなのかを判別できません。

根拠：画像モデル・TTSモデル・動画の選び方・音楽生成・終了・移行予定・Imagenの提供終了

02 / START始め方｜入口・モデル・課金状態を先に確認する

まずGoogle AI Studioを開き、Googleアカウントでサインインします。機能名や配置は更新されるため、古い画面と同じボタンを探し続けるより、使いたいモデルの公式ページにある「Try in Google AI Studio」などのリンクを起点にすると確認しやすくなります。

Playgroundで試すことと、Buildでアプリを作ることの違い

公式QuickstartはPlaygroundでのモデル試用を案内しています。一方、Buildは自然言語からアプリを作る入口です。画像生成などの機能を選んでも、そこがBuildなら「画像を生成するアプリ」を作る工程になる場合があります。今回は素材を1つ作りたいのか、繰り返し使う仕組みを作りたいのかを見失わないようにします。

根拠：AI Studio Quickstart・Buildの公式ガイド

無料の画面・無料API枠・有料利用を分ける

AI Studioでの試用と、APIのFree Tierは別々に確認します。公式Billingでは、有料機能用のAPIキーを接続すると、そのキーでのAI Studio利用は課金対象になると案内されています。有料キーを選んだ後も無料のままと思い込まないことが大切です。詳しい対象モデルと概算は料金の章へまとめました。

• 作りたい素材に対応するモデル名・IDを確認した
• 無料の試用か、有料キーを使う状態か確認した
• 自分が利用できる画像・台本などを用意した
• 最初は1枚・短い原稿・短い映像など、小さく試す

確認済み 0 / 4（このページを開いている間の記録）

利用には18歳以上・対応地域などの条件があります。仕事や学校のアカウントでは管理者の設定も確認してください。規約は業務・事業目的の開発者向けサービスとして位置づけています。メニューが表示されないだけで、料金プランが原因とは断定できません。

根拠：Billing・追加利用規約・対応地域

03 / IMAGE画像生成｜Nano Bananaで作り、残す部分を決めて直す

SNS画像やブログの図版を作り、完成後に背景や色を調整したい場合は、Nano Banana 2.1を候補にします。複雑なグラフィックや商品モックアップは、Nano Banana Proも比較します。「文字入りならImagen」という古い二択は使いません。

モデルIDは2.1がgemini-nano-banana-2.1、Proがgemini-3-pro-imageです。Nano Banana 2.1は1K・2K・4Kの画像出力と対話的な編集に対応します。文字が生成できても、固有名詞・数字・日本語の細部は人が確認してください。

根拠：Nano Banana 2.1・Nano Banana Pro

1. 画像モデルを開く。公式モデルページのAI Studioリンクから進み、名前と課金状態を確認します。
2. 用途・比率・主役を書く。何に使う画像かを先に伝え、必要な要素を絞ります。
3. 1枚生成する。まずは構図・文字・不要な要素を確認します。
4. 維持する部分と変更する部分を分けて修正する。変更を1つずつ指定し、人物や物の形が変わっていないか比較します。
5. 生成結果を保存する。結果の保存・ダウンロード操作から手元へ保存し、実際に開いて使うサイズで確認します。

ブログ記事に使う、横長3:2の画像を作ってください。
明るい木の机の上に、開いたノートと青いペンを置きます。
主役はノート。午前の柔らかい自然光で、落ち着いた雰囲気にしてください。
左上には、後から見出しを置ける余白を残します。
画像内に文字・ロゴ・透かし風の装飾は描かないでください。

維持するもの：ノートの形・位置、机の構図、光の方向。
変更するもの：青いペンだけを、深緑のペンへ変更してください。
それ以外の物を追加したり、構図を変えたりしないでください。

上の「透かし風の装飾」は、絵として不要な文字を描かせないための指定です。モデルが付ける来歴情報やSynthIDを除去する指示ではありません。参照画像を使う場合も、最初に「残したい要素」を決めておくと、意図から外れた変更を見つけやすくなります。

画像の入力例をさらに増やしたい方は、Nano Bananaの使い方と実務プロンプトへ。利用モデルと料金は、このページの確認日と各記事の更新日を合わせて確認してください。

04 / SPEECHGemini TTS｜原稿・声・話し方を分けて音声を作る

読み上げやナレーションにはGemini TTSを使います。表現と音質を重視するなら3.8 Flash TTS、速度と費用を重視するなら3.8 Flash-Lite TTSを比較します。どちらも原稿を声にするモデルで、会話全体を処理するLive APIとは役割が異なります。

根拠：3.8 Flash TTS・3.8 Flash-Lite TTS

1. 現行のTTSモデルを開く。モデル名にTTSが含まれていることを確認します。
2. まず1人分の短い原稿を用意する。読み間違えやすい名前や略語は、短い一文で先に確かめます。
3. 声を選び、原稿と話し方を別々に設定する。3.8系では、話し方の指示を読み上げ本文へ混ぜないようにします。
4. 再生して聞き直す。読み・間・音量・意図しない発話を確認し、直す要素を1つ選びます。
5. 音声を保存する。保存したファイルを再生し、途中で切れていないか確認します。

今回は、画像、音声、動画、音楽の作り方を紹介します。
最初に決めるのは、何を完成させたいかです。
まずは一つだけ作って、保存した素材を確認してみましょう。

落ち着いた、親しみやすい話し方。ややゆっくり。

上の2つは別々の入力用です。話し方の欄が見つからない場合は、原稿へ追記せず、選択中のモデルと公式ガイドを確認してください。AI Studioの欄名・提供機能は更新やアカウントによって異なります。

2人の対談と、3人以上の編集を分ける

単一リクエストの複数話者生成は、既定の声を使って最大2話者です。3人以上やカスタム音声を組み合わせる場合は、発話ごとに生成して編集する構成を考えます。話者名は途中で変えず、どの発話をどの声に対応させるかを先に整理しましょう。

根拠：TTSの移行・指定方法・話者上限

05 / VIDEO動画生成｜Omni Flashを起点に、動きとカメラを決める

新規の動画制作では、Gemini Omni Flash（gemini-omni-1.1-flash）を比較の起点にします。公式の動画ガイドも基本の選択肢として案内しています。既存のVeo制作を続ける場合は、利用経路と終了予定を先に確認します。

動画で決めたいのは、見た目に加えて何が動くか・カメラがどう動くか・音をどうするかです。まずは一つの場面に絞り、人物の会話や多数のカットを同時に詰め込みすぎない方が、修正点を見つけやすくなります。

1. 動画モデルを開く。モデルIDと、有料キー・プロジェクトの状態を確認します。
2. テキスト起点か、画像起点かを決める。見た目をすでに決めているなら、その画像を使える入力方式か確認します。
3. 主役・動き・カメラ・音を書く。縦横比や画質の選択肢がある場合は、用途に合うものを指定します。
4. 生成して最初から最後まで再生する。動きの破綻、不要な場面転換、文字や音の違和感を確認します。
5. 修正・保存する。編集に対応する経路なら変更を一つずつ伝え、完成した動画をダウンロードします。

A single continuous shot of a plain white ceramic mug on a wooden desk.
Soft morning light enters from the left. Steam rises gently from the mug.
The camera moves slowly forward. Keep the mug's shape and position consistent.
No scene cuts, no on-screen text, no dialogue. Quiet room ambience only.

例の意味：白いマグカップを一つの連続した場面で撮り、湯気だけを穏やかに動かし、カメラをゆっくり近づけます。Veo・Omniとも公式資料では英語が正式対応、他言語は未評価とされています。日本語で試せる場合も、うまく伝わらなければ英語の短い場面説明で比較してください。

Veoの旧設定を、Omniの共通ルールにしない

以前のVeoで使った「4・6・8秒」「1080pは8秒」などの条件を、他モデルへそのまま当てはめないでください。解像度、入力画像、延長、保存期間はモデルと経路ごとに確認します。VeoのAPIでは生成動画が2日後に削除されるため、残したい結果は早めに保存します。

根拠：動画モデルの選択・Omniの生成・編集・制限・Veoの条件と保存期間

06 / MUSIC音楽生成｜Lyriaで30秒の方向を確かめてから楽曲へ

BGMを短く試すならLyria 3 Clip（lyria-3-clip-preview）、長い曲を作るならLyria 3.5（lyria-3.5）を比較します。Clipは30秒固定です。Lyria 3.5は歌詞や構成のある楽曲向けで、テキストや画像を入力に使えます。

ナレーションの背後に置くBGMなら、歌声や強い展開がない方が扱いやすい場合があります。曲のジャンルだけでなく、何に添える音なのかを伝えてみてください。

1. Clipか3.5を選ぶ。まず方向確認をしたいのか、長い楽曲が必要なのかを決めます。
2. ジャンル・楽器・速さ・用途を書く。歌声が不要なら、インストゥルメンタルであることを明示します。
3. 生成して聞く。冒頭だけでなく最後まで聞き、音量や展開が用途に合うか確認します。
4. ずれた要素を直して再生成する。既存音源がそのまま部分修正されるとは考えず、別の出力を比較します。
5. 保存して使う場面で確認する。APIではMP3出力です。ナレーションと重ねる場合は、声を聞き取りにくくしていないか確認します。

日本語の説明動画の背景に使う、落ち着いたアコースティックBGM。
楽器は柔らかいピアノと控えめなアコースティックギター。
テンポは約80 BPM。明るいが、盛り上がりすぎない雰囲気。
Instrumental only. No vocals.
話し声を邪魔する強い打楽器や急な音量変化を避ける。

短い出力で狙いが定まったら、そのプロンプトを基に3.5で長い楽曲を作ります。Clipをそのまま自動延長するという意味ではありません。Lyriaの楽曲生成は単一ターンで、完成音源を会話で繰り返し編集する使い方には対応していません。再生中に音楽を変化させるLyria RealTimeは別の仕組みです。

根拠：Lyriaの対応モデル・出力・編集制限

07 / COST無料範囲と料金｜何に課金されるかを揃えて比べる

以下はGemini APIのStandard料金・米ドルです。AI Studioの全画面がこの表と同じ条件になるとは限りません。画面での試用可否と、APIキーを使った有料利用を分けて確認してください。

狭い画面では表を横にスクロールできます。

画像・TTS・動画では、表の金額に入力や別の出力、利用した追加機能の料金が加わる場合があります。TTSの通常入力は100万テキストトークン当たり$0.50、2027年1月1日以降は$1です。無料枠も無制限ではなく、利用可能な上限をAI Studioで確認します。

金額・無料枠の根拠：Gemini API公式料金表。料金改定・モデル変更時は公式値を優先してください。

安く見えても、再生成の回数を数える

採用した1枚だけを数えると、制作費を小さく見積もってしまいます。画像10枚から1枚を選んだなら、生成した10枚が出力料金の計算対象です。試行中は「生成回数・採用数・直した点」を短く記録すると、何に時間と費用を使っているか見えやすくなります。

最初は1枚・短い音声・一つの場面で方向を確認し、必要なものだけ高解像度や長い素材へ進めると、比較も修正も整理できます。Batchなどの割引は、対応モデルと処理方式を確認してから使います。

課金設定と上限管理で確認すること

有料化はCloud Billingの関連付けから進めます。現行案内ではPrepayの最低入金は5ドル相当ですが、アカウント・地域・Tierによって表示される条件を確認してください。Postpayが選べる場合もあります。

プロジェクトのspend capは、必ずその金額で瞬時に止まる保証ではありません。課金処理に約10分の遅れがあり、長い処理などで上限を超える場合があります。利用中のキー、残高、上限、実際の利用額をセットで確認します。

根拠：Billingの支払い・spend cap・AI Studio課金条件

08 / CHECK生成できないときと、公開・商用利用の前に確認すること

同じ操作を繰り返す前に、原因を分ける

安全フィルターによる停止は、設定を緩めれば必ず解消するものではありません。禁止される依頼や利用できない素材が含まれていないかを確認します。メディアごとに設定できる項目も違うため、通常のチャットと同じ設定があるとは限りません。

参照：APIのトラブルシューティング・公式ステータス・支払いと残高

無料・有料のデータ条件と、素材の権利を混ぜない

無料サービスでは、入力と出力がGoogleの製品改善に使われ、人による確認の対象となる場合があります。一方、AI Studioは、有効なCloud Billing付きプロジェクトにアクセスできるアカウントやWorkspace enterpriseアカウントでは、無料で使っていても規約上Paid Servicesに分類される条件があります。画面上の請求額が0円という理由だけで、データ条件を決めつけないでください。

Paid Servicesでは入力・出力を製品改善に利用しないとされていますが、不正利用防止などのための限定的な記録は別です。また、Googleが生成物の所有権を主張しないことと、他者の写真・声・ロゴなどを自由に使えることも別の問題です。

• 入力素材：写真、台本、商品情報を、その用途で入力・利用してよいか。
• 人物や声：本人の許諾や、なりすまし・誤認につながる使い方になっていないか。
• 完成物：誤った文字、商品と違う形、意図しない発話、権利上問題のある表現がないか。
• 納品・公開：掲載先や取引先のルールに沿って、AI生成の開示や来歴情報の扱いを確認したか。

根拠：Gemini API追加利用規約。Lyriaの特定アーティストの声・著作権のある歌詞への制限は音楽生成の制限も確認してください。

09 / FAQGoogle AI Studioのメディア生成でよくある質問

10 / NEXT最初は、必要な素材を一つ作って保存する

Google AI Studioのメディア生成は、作りたい完成物から選ぶと整理できます。モデル名をたくさん覚えるより、入口・モデル・無料条件・入力・保存の順番を一度たどることが、次の制作につながります。

• 画像：Nano Banana 2.1を起点に、残す部分と直す部分を分ける。
• 音声：3.8系TTSで、原稿と話し方を分離する。1回の複数話者生成は最大2話者。
• 動画：Omni Flashを比較の起点にし、既存のVeoは移行条件を確認する。
• 音楽：Clipで方向を確かめ、必要ならLyria 3.5で長い曲を別途生成する。

まずはこの記事の入力例を使い、出力を一つ保存してみてください。完成後に気になった点を一つだけ言葉にして直すと、自分の用途に必要な設定が見えてきます。

作りたい素材を選ぶ