Gemini

何が起きたのか 2026年5月22日、TechCrunchのRussell Brandomが、奇妙な現象を報じた。Googleで「disregard」という単語を検索すると、AI Overview（AIによる概要）が無意味な空白を返し、本来の検索結果（辞書サイトなど）にたどり着くには大量のスクロールが必要になる——というものだ（TechCrunch 2026年5月22日）。 記事の表現を引用する。 “you have to scroll past a huge block of empty space” “the AI response serves no conceivable value” Brandomはこの体験を、15年のキャリアにおける1つの転換点として記している。 “I have been a professional tech journalist for nearly 15 years, and before today, I cannot think of a single time when a Bing search result was more valuable than the Google equivalent.” 「プロのテックジャーナリスト歴15年で、今日まで、Bingの検索結果がGoogleより価値があると思ったことは一度もなかった」——AI検索の旗手が、最も単純な単語の検索で競合に劣るという皮肉だ。 この出来事のタイミングが重要だ。わずか数日前のGoogle I/O 2026で、Googleは「検索ボックスを過去25年で最大のアップグレード（biggest upgrade to our Search box in over 25 years）」と宣言し、検索ボックスをGeminiベースの「AIファースト」な体験へ作り直したばかりだった——筆者はこれを実質的に「Geminiエージェント的な実行環境への再定義」と読んでいる（過去記事「Google I/O 2026の本質──Gemini 3.5 Flashで『Chatbotではなくエージェント実行環境』に賭けた日」参照）。その直後に、AI検索の最も基礎的な脆さが露呈した。 ...

何が起きたのか 2026年5月12日（米国時間、日本時間では5月13日未明に配信）、Googleは「The Android Show: I/O Edition」を開催し、Androidエコシステム全体にGemini Intelligenceを中核とする一連のアップデートを発表した（Google公式ブログ、android.com/io-2026）。 Sameer Samat（Android Ecosystem担当プレジデント）はGoogle公式記事のなかでこう述べている。 “Today, we showed how we’re making your devices even more helpful in this new era, so you can spend less time looking at them and more time on the things you love.” 「画面を見る時間を減らし、好きなことに時間を使えるようにする」——これは「画面に居続けさせるためのアプリ最適化」とは正反対の方針だ。Pause Point（後述）など複数の発表がこの一貫したフレームのもとに並んでいる。 本記事では、今回の発表のなかでも構造的に重要な3つ——Googlebook（AIラップトップ）/ Magic Pointer（カーソル再発明）/ Create My Widget（vibe-coded widgets）——を中心に、一次資料で確認できる情報のみで整理する。 Googlebook：Chromebookの後継、Aluminium OSで動くAIラップトップ Googlebookは今回の発表で最も大きな構造変化だ。Google公式ブログは “We’re introducing Googlebook, a new category of laptops designed for Gemini Intelligence and perfectly in sync with your Android phone.” と紹介している（Google公式ブログ）。 ...

何が起きたのか 2026年4月14日、GoogleはChromeブラウザ向けのGemini新機能「Skills（スキル）」を発表し、同日より段階的な展開を開始した（Google公式ブログ、TechCrunch、The Verge、2026年4月14日報道）。 Skillsは、ユーザーがよく使うGeminiへのプロンプトを「再利用可能なワンクリックツール」として保存する機能だ。毎回同じ指示を入力し直す手間をなくし、ブラウジング中に呼び出せる「作業の道具箱」として機能する。Tom’s Guideは「Googleはようやく、ユーザーが同じことを何度も入力することに辟易していると気づいた。我々が求めているのは作業を代行してくれるボタンだ。SkillsによってAIは単なるチャットボックスからユーティリティ・ベルトへと進化した」と評している。 有料プランへの加入は不要で、ChromeをすでにGoogleアカウントでサインインして使っているデスクトップユーザーであれば追加コストなしで利用できる（Ars Technica報道）。 Skillsの基本機能 プロンプトの保存と呼び出し Google公式ブログによると、Skills の基本的な操作フローは以下の通りだ。 Gemini in Chromeのチャット履歴で、気に入ったプロンプトを「スキルとして保存」する 次回以降は、チャット入力欄で /（スラッシュ）を入力するか + ボタンをクリックすると保存済みスキルが一覧表示される 選択すると、現在表示中のページに対してそのスキルが即座に実行される 複数タブへの一括適用 現在表示しているページだけでなく、選択した複数のタブに対して同時にスキルを実行できる。たとえば、異なるECサイトで開いた複数の商品ページを選択し、仕様を一括で比較表にまとめさせる、といった使い方が可能だ（Google公式ブログ、Engadget報道）。 デバイス間同期 保存したスキルは、同じGoogleアカウントでサインインしているすべてのChromeデスクトップ端末（Windows・macOS・ChromeOS）間で自動同期される。管理画面へのアクセスは、チャット欄で / を入力した後に表示されるコンパスアイコンをクリックする（Google公式ブログ）。 スキルライブラリ Googleが用意した既製スキルのライブラリが公開されており、学習・リサーチ・ショッピング・ライティングなどのカテゴリ別に利用できる。9to5Googleは chrome://skills/browse というURLを報告しているが、公式ブログにURLの記載はない。ユーザーはライブラリのスキルをベースに独自のカスタマイズを加えることも可能だ。 具体的なユースケース Google公式ブログが例示する代表的な活用シーンは次の3つだ。 ジャンル スキルの例 ヘルス＆ウェルネス レシピページを開いてスキルを実行し、一食あたりのタンパク質・マクロ栄養素を即座に算出 ショッピング 複数の商品ページを選択し、スペックを横並びで比較した表を生成 プロダクティビティ 長文ドキュメントをスキャンし、重要な洞察や注意事項のみを抽出 これ以外にも、読んでいる記事を自分の執筆スタイルに合わせたSNS投稿用テキストに変換する、といったコンテンツ制作への応用が考えられる。 「Gemini Extensions」との違い Skillsの登場にあたって、Tom’s Guideは既存の「Gemini Extensions」との比較で整理している。Gemini ExtensionsはGmailやGoogle DriveといったGoogle内部アプリとの連携に特化した機能だったが、Skillsはウェブ上のあらゆるページを対象に動作する点が異なる。 Tom’s GuideなどはSkillsの導入を「Gemini Extensionsのリブランディング」と表現しているが、Googleの公式発表ではExtensionsとの関係には言及していない。メディアの解釈として参照されたい。 項目 Gemini Extensions（旧） Skills（新） 操作モデル 毎回プロンプトを入力する対話型 保存されたプロンプトを呼び出すツール型 適用範囲 Google内部アプリ（Gmail・Drive等）中心 ウェブ上のあらゆるページ 再利用性 なし あり（スラッシュ一発で呼び出し） なお、ここで言う「Extensions」はGeminiのAI統合機能を指す。一般的なChrome拡張機能（Chrome Extensions）は廃止も変更もされていない点に注意が必要だ。 セキュリティ設計 Googleは公式ブログで、Skillsには既存のGemini in Chromeと同様の多層的保護が適用されると説明している。 実行承認ダイアログ: カレンダーへのイベント追加やメール送信など、外部に影響するアクションを伴うスキルが実行される際は、必ずユーザーへの確認画面が表示される 自動レッドチーミング: 悪用可能なプロンプトパターンを自動検出する仕組みが継続適用される 自動アップデート: セキュリティパッチが自動的に適用される プロンプト・インジェクション（ウェブページ上の悪意ある指示をAIが実行してしまうリスク）については公式発表では言及がなく、今後の課題として注視が必要だ。AIエージェント全般のセキュリティリスクについては別記事で詳しく解説している。 ...

2026年3月4日、Googleは米国（英語ユーザー）を対象に、Google SearchのAI Mode内に新機能「Canvas」を正式にロールアウトしました。これまで「Search Labs」の実験機能や、一部のGemini Advanced（有料プラン）ユーザー限定だったこの機能が、オプトイン不要で広く使えるようになったことは、AIの活用スタイルが「対話」から「共同作業」へとシフトする大きな転換点です。 本記事では、この新しい「Canvas」が従来のチャットAIとどう違うのか、そして日々の業務（ライティングやコーディング）でどう役立てるのかを分かりやすく解説します。 1. 「Gemini Canvas」とは？チャットを超えるAIワークスペース 従来のチャットAIとの決定的な違い 従来のChatGPTやGeminiのインターフェースは、「質問を投げて、答えをもらう」という一問一答のチャット形式が基本でした。しかし、長文のドキュメントを作成したり、コードを書いてもらったりする場合、チャットの履歴を何度もスクロールしてコピペを繰り返すのは非常に面倒でした。 「Canvas」（キャンバス）は、この問題を解決するAIとの専用作業スペースです。 Google SearchのAI Modeでプロンプトを入力し、「Canvasで開く」オプション（または特定の作業指示）を選択すると、チャット画面の横に専用のエディタ画面（Canvas）が立ち上がります。 このCanvas上で、ユーザーとAIは1つのドキュメントやコードを「一緒に編集」していきます。AIが下書きを作り、ユーザーが特定の部分を指定して「ここをもっと長くして」「このコードをPythonからJavaScriptに書き換えて」と指示を出すことで、成果物をその場でブラッシュアップできるのが最大の特徴です。 2. Gemini Canvasでできること：主要な活用法 Canvasは主にライティング（文章作成）とコーディング（開発）の2つの強力なモードを持っています。 ① ドキュメント・企画書のスマートな自動生成と編集 単に文章を生成するだけでなく、Canvas上には文章を推敲するための専用ショートカットメニューが用意されています。 文章の長さ調整: スライダー一つで「より短く（簡潔に）」「より長く（詳細に）」を調整可能。 トーンの変更: 「プロフェッショナル」「カジュアル」など、読者に合わせたトーンへ一瞬で書き換え。 読解レベルの調整: 専門用語が多い文章を「中学生にもわかるレベル」にトランスレート。 Google Searchに統合されている強みとして、最新の検索結果（Knowledge Graph）を踏まえた事実ベースの下書きを瞬時に作成し、それをCanvas上で練り上げていくという、リサーチから執筆までのシームレスな体験が可能です。 ② HTML/CSS/JavaScript等のコード生成とプレビュー 開発者にとって、Canvasは強力なコードエディタとして機能します。 特定行の修正: コード全体を再生成させるのではなく、修正したい数行だけをハイライトしてAIに「ここを修正して」と指示できます（インライン編集）。 コードの解説とコメント追加: 複雑なコードブロックに対して「この部分のロジックを説明して」と頼んだり、関数ごとに自動でコメント（Docstring）を追加させたりすることが可能です。 言語の翻訳: Pythonで書かれたスクリプトを、瞬時にC++やJavaScriptに変換します。 3. オーディオ概要（Audio Overview）との連携 さらに、Googleエコシステムの強みとして、作成したドキュメントやリサーチ結果を「Audio Overview」（音声概要）に変換する機能との連携も進んでいます。 もともとNotebookLMなどで人気を博したこの機能は、長文のレポートや企画書の内容を、AIがまるでポッドキャストのパーソナリティのように「自然な2人の会話」として音声で解説してくれるものです。 Canvasでまとめたリサーチ結果をそのままオーディオ化して、通勤中や家事の合間に「耳で復習する」といった、新しい情報消費のスタイルが定着しつつあります。 4. 有料プラン（Google AI Pro）との違い 今回、米国の一般ユーザー（無料）にもCanvas機能が開放されましたが、「Google AI Pro」（月額$19.99、旧称：Gemini Advanced / Google One AI Premium）ユーザーにはさらなる特権があります。 無料版が標準的なモデルを使用するのに対し、Google AI ProユーザーはGemini 2.5 Pro 等の最新世代モデルのパワーをCanvas上でフル活用できます。これにより、最大100万トークンという巨大なコンテキストウィンドウを利用でき、分厚いPDFマニュアルや巨大なコードリポジトリ全体をCanvasに読み込ませた上での、極めて高度な共同作業が可能になります。 まとめ：検索窓が「仕事場」になる未来 「Google Searchを開いて、AIと一緒に企画書を書き上げる」。今回のCanvasの統合は、Googleが検索エンジンを単なる「リンク集」から「究極の生産性ツール」へと進化させようとしている確固たる意志の表れです。 ...

2026年2月、GoogleがGeminiアプリにAI画像生成ツール「Nano Banana 2」を正式リリースしました。内部モデルは Gemini 3.1 Flash Image（APIモデル名: gemini-3.1-flash-image-preview）であり、従来の「Nano Banana Pro」の描画品質を維持しながら、Gemini Flashの高速推論を組み合わせた次世代の画像生成・編集ツールです。 本記事では、Nano Banana 2の主要機能・実践プロンプト例・APIアクセス方法・注意事項を網羅的に解説します。 Nano Banana 2とNano Banana Proの違い Nano Banana 2の最大の特長は「Flash速度 × Pro品質」のバランスにあります。 比較項目 Nano Banana 2 Nano Banana Pro ベースモデル Gemini 3.1 Flash Image Nano Banana Pro（詳細非公開） 生成速度 ⚡ Flash（高速） 標準速度 対象ユーザー 無料ユーザー〜全プラン AI Pro / Ultra プランのみ API相対コスト Proより大幅に低コスト 高コスト 推奨用途 ラフ・量産・日常制作 最終納品・極複雑なシーン 無料ユーザーへの機能開放 これまでGemini Advanced（Pro/Ultra）限定だった高度な画像生成機能が、無料のGeminiアプリユーザーにも開放されました。Nano Banana 2は gemini.google.com のGeminiアプリから利用できます。 Nano Banana 2の4大機能と実践プロンプト キャラクター・オブジェクトの「一貫性維持」 漫画・絵本・ストーリーボード制作で最大の課題だった「同じキャラクターを複数シーンで描き続ける」問題に対処します。最大5キャラクターの視覚的一貫性を単一ワークフロー内で維持できます。 実践プロンプト例（漫画コンテ制作）: キャラクター定義: 20代女性、ショートボブの黒髪、赤いチェックのシャツ、ジーンズ シーン1: 彼女がカフェのカウンターでコーヒーを注文している。明るい朝の光。 シーン2: 同じ彼女が公園のベンチで本を読んでいる。夕方の柔らかい光。 シーン3: 同じ彼女が驚いた表情でスマートフォンを見ている。室内照明。 コツ: キャラクター定義を先に送り、シーン変更を追加指示として送ることで、外見の一貫性が最大化されます。 ...

Google Geminiの音楽生成機能とDeepMind Lyria 3モデル 概要 Google Geminiの音楽生成機能は、DeepMindが開発したAI音楽生成モデル「Lyria 3」を基盤としています。この機能では、ユーザーがテキスト、画像、動画を入力することで30秒の音楽トラックを自動生成します。プロンプトを活用した例として、「靴下がペアを見つけるコメディ風R&Bスロージャム」という入力から、楽曲に加え歌詞やカバーアート（Nano Bananaによる生成）を同時に作成します。 Lyria 3は前世代モデルと比較して、音楽の自然さ・複雑性が向上し、スタイルやテンポ、ボーカルのカスタマイズが可能です。ただし、現段階ではベータ版であり、段階的ロールアウトのため地域・アカウントによって利用可否が異なります。対応言語は英語を含む8か国語、18歳以上が対象です。 Google公式ブログでは「マスターピースの作成より、ユニークな自己表現の手段」と位置付けており、フル尺の楽曲制作やプロの商用マスタリングを置き換えるツールではありません。生成されるのは約30秒の短尺トラックで、TikTokやYouTube Shortsの挿入音源、アイデアスケッチ向けの位置づけです。YouTubeの「Dream Track」機能にもLyria 3が拡張されています。 DeepMind Lyria 3モデルの仕組み 入力と出力の仕組み テキストプロンプト: ユーザーが「アフロビートの曲」「母親への感謝をテーマにしたバラード」などの記述を入力すると、Lyria 3がジャンルやムードに基づいて音楽を生成。 メディア連携: 画像や動画をアップロードすると、AIが色調や動きから「ムード」を解析し、それにマッチした音楽を生成（例: 旅行写真→ノスタルジックな楽曲）。 出力内容: 30秒の音源に加え、歌詞（オプション）とNano Bananaによるカバー画像が自動生成され、共有やダウンロードが可能。 技術的特徴 スタイルカスタマイズ: ポップやジャズなどジャンル、ボーカルの有無、テンポを指定可能。 リアルさの向上: インストゥルメンタルからフルコーラスまで対応し、前世代モデルより自然なサウンドを実現。 SynthIDによるトレーサビリティ: AI生成音楽にウォーターマーク（電子透かし）を埋め込み、AI生成コンテンツの識別を可能にしています。ただし、SynthIDは生成物の著作権的な安全性を保証するものではなく、生成物の内容と利用方法によっては権利侵害が発生し得ます。 原則と制限 独自表現の設計: 既存アーティストの模倣を目的とせず、プロンプトのスタイルやムードをインスピレーションに生成。 フィルタリング: 出力楽曲を既存コンテンツと照合し、類似性の高いものを制限。アーティスト名をプロンプトに含めても、直接的な模倣は回避される設計です。ただし、類似性チェックの精度や範囲についてGoogleは詳細を公開していません。 Lyria 3はYouTubeのDream Track機能にも統合され、クリエイターの動画制作を支援する用途に拡張されています。 画像・動画からの音楽生成 Google Geminiの音楽生成機能は、画像や動画を入力として音楽を自動生成する拡張性を持っています。ユーザーがメディアをアップロードすると、Lyria 3が視覚情報を解析し、感情や場面に合った音楽を生成します。例として「靴下がペアを見つけるコメディーランブル・スロージャム」というプロンプトから、30秒トラックとカバーアートが作成されます。 仕組みの概要 メディア認識: アップロードされたメディアから感情やテーマを抽出（例: ファッションショーの動画→ダンスミュージック）。 音楽生成: 抽出結果を基にテンポやジャンル、楽器編成を自動調整。前世代モデルに比べて自然なサウンドを実現。 カスタマイズ性: Nano Bananaのカバーアートと組み合わせ、SNS共有をサポート。「スタイル」「ボーカル」「テンポ」などの調整も可能。 技術的特徴とカスタマイズオプション 30秒トラック生成とカスタマイズ GeminiはLyria 3を基盤として、テキスト・画像・動画から30秒の音楽トラックを生成します。プロンプトエンジニアリングにより、「私の母へのアフロビートトラック。育った日々の思い出を」といった入力からメロディ、作詞、ビジュアルを自動生成。スタイルやボーカル、テンポの調整が可能です。 SynthIDによるAI生成音楽の識別 GoogleはAI生成コンテンツの透明性向上のため、SynthIDという電子透かし技術を採用しています。Lyria 3で生成されたトラックに自動的に埋め込まれ、ユーザーは任意の音楽をGeminiにアップロードしてAI生成かどうかを確認できます。ただし、SynthIDは識別技術であり、「SynthIDが付いているから著作権的に安全」ということではありません。AI生成音楽の著作権は生成物の内容と利用方法に依存し、法的判断は今後の判例に委ねられる部分が大きい状況です。 YouTubeとの連携とグローバル展開 Dream Track機能の拡張 GoogleはYouTubeのDream Track機能でLyria 3を活用し、AI音楽のグローバル展開を進めています。YouTube Shortsなどの動画作成者はAI音楽を手軽に利用可能に。動画投稿時にAI生成音楽を即座に作成し、SynthIDによる著作権リスクの軽減が可能です。 ...