[9月23日]🍌Nano Bananaは何がスゴい？現役AIエンジニアが解説 (ep.1)

おちつきAIラジオ第1回（EP.001）／配信日: 2025.09.23／再生時間: 00:44:58

この回の概要

この回は「おちつきAIラジオ」記念すべき第1回目で、Googleの画像生成AI「ナノバナナ」（正式名称Gemini 2.5 Flash Image）がSNSで話題になっている理由と、その裏側にある「マルチモーダル統合」という技術的な進化を解説する回です。聴くと、ナノバナナがなぜ人物やキャラクターの一貫性を崩さずに画像を編集できるのか、そしてChatGPTを含む画像生成AI全体が今年大きく進化した本当の理由が理解できます。

冒頭ではパーソナリティ二人の自己紹介が行われます。製造業出身で4年前にAIエンジニアへ転向した「しぶちょー」と、KANERIN Podcast Studiosを経営する「かねりん」がポッドキャストイベントで知り合い、日々の速すぎるAIニュースに驚き疲れた人がいったん立ち止まって学べる番組をやろうと意気投合し、この番組が生まれた経緯が語られます。かねりんは、以前ブロックチェーン分野で情報発信をしていた際、追いかけた情報がすぐ陳腐化してしまう虚しさを感じ、賞味期限の長い情報を届けたいと思うようになったと話します。

本題であるナノバナナについて、かねりんは実際に自分の写真を使って髪型やサングラスを変える編集を試したものの、SNSで流行していた「フィギュア化」画像はまだ体験していませんでした。しぶちょーが自身のアイコンを使って生成したフィギュア風画像を見せると、かねりんは3Dプリンターで作られた実物だと思い込むほど精巧さに驚きます。しぶちょーは、ナノバナナが評価される最大の理由は生成画像の「一貫性」の高さにあり、画像を編集しても人物の顔立ちや特徴がほとんど崩れない点が、これまでの画像生成AIとの決定的な違いだと説明します。以前の画像生成AIでは、少し指示を変えるだけでキャラクターの顔つきが変わってしまい、何度もやり直しても思った通りにならないという不満が起きがちでしたが、ナノバナナではその崩れがほとんど起きないといいます。

ナノバナナという名前の由来についても掘り下げられます。正式名称はGemini 2.5 Flash Imageですが、生成AIモデルを匿名で1対1対戦させる評価プラットフォーム「LMアリーナ」に、バナナのアイコンをつけた素性不明のモデルとして登場し、画像生成対戦で圧倒的な強さを見せたことから「ナノバナナ」というあだ名がつき、その後Googleが自社モデルであることを明かしたという経緯が語られます。現在はGeminiやGoogle AI Studio上で誰でも利用できるようになっています。

しぶちょーは、ナノバナナの強さの背景にある技術的な流れとして「マルチモーダル」化を挙げます。従来のChatGPTは、画像生成を担当する別のAIであるDALL-Eに文章で指示を伝える構造になっており、入力された画像をいったん言葉に変換してから伝えるため、まるで伝言ゲームのように情報が劣化し、人物が別人のようになってしまう問題があったといいます。今年3月末にChatGPTの画像生成機能がGPT-4oに統合されたことで、画像を言葉に変換せず画像のまま「意味空間」で処理できるようになり、劣化の少ない編集が可能になったと解説します。

Geminiについては、2024年末に登場した2.0の段階ですでにこのマルチモーダル統合を先行して実現しており、2.5への進化の過程でスタイルの一貫性を保つ学習がさらに深められたことが、ナノバナナの高い性能につながっているとしぶちょーは分析します。単純に画像生成の性能が上がったと捉えるのではなく、裏側の仕組みそのものが統合されたと理解することが、今回の驚きを正しく捉えるポイントだと強調します。

後半では利用上の注意点にも触れられます。Googleの利用規約上、入力できる画像は自分が著作権者であるか、著作権者から利用許諾を得ているものに限られており、他人のキャラクターなどを安易に入力すべきではないと指摘します。またしぶちょーは、SNSで見かける断片的な使い方の発信を追いかけるよりも、Googleが公式に公開している「プロンプトガイド」を先に読むことで、体系的にナノバナナの使い方を理解できると勧めます。

最後にかねりんは、フィギュア風の画像がSNSで本物と誤認されて拡散している現状に触れ、AIが生成した画像と実物の見分けがつきにくくなっている今、こうした技術の仕組みをあらかじめ知っておくことが、いわゆる「騙されない力」につながると振り返り、記念すべき第1回を締めくくります。

目次（タイムスタンプ）

00:00 オープニング＆パーソナリティ自己紹介
02:49 番組コンセプト：AIニュースの裏側を落ち着いて見る
04:32 今日のテーマ：世間を賑わす「nano-banana」とは？
06:09 SNSでバズったフィギュア画像の正体はAIだった話
07:54 nano-bananaの本当に驚くべきポイントは「一貫性」
10:51 なぜバナナ？愛称「nano-banana」が生まれた意外な経緯
17:39 【技術解説】画像生成AIが劇的に進化した本当の理由
20:46 鍵は「マルチモーダル化」、AIの脳の仕組みの変化
26:22 落ち着きポイント①：その画像、入力して大丈夫？
31:07 落ち着きポイント②：まず公式の説明書を読もう
37:38 エンディング｜落ち着いてAIと向き合うために

この回でわかること（Q&A）

ナノバナナとは何ですか？

Googleの画像生成AI「Gemini 2.5 Flash Image」の通称です。生成AIモデルを匿名で対戦させる評価プラットフォーム「LMアリーナ」にバナナのアイコンをつけた謎のモデルとして登場し、強さで話題になったことからこの名前がつきました。

ナノバナナが他の画像生成AIと違う点は何ですか？

画像を編集しても人物やキャラクターの顔立ち・特徴がほとんど崩れない「一貫性」の高さです。以前のAIでは指示を変えるとキャラクターが別人のようになってしまうことがありましたが、ナノバナナではその崩れが起きにくいと説明されています。

なぜ画像生成AIの性能が最近急に上がったのですか？

画像生成を担う別のAIに文章で指示を伝言する構造から、画像を画像のまま処理する「マルチモーダル統合」へと裏側の仕組みが変わったためです。ChatGPTは今年3月末にGPT-4oへ統合され、Geminiは2024年末の2.0から先行してこの統合を行っています。

ナノバナナに他人の写真やキャラクターを入力してもよいのですか？

Googleの利用規約上、入力できる画像は自分が著作権者であるか、著作権者から利用許諾を得ているものに限られます。他人のキャラクターなどを安易に入力すべきではないと番組内で指摘されています。

ナノバナナの使い方を効率よく学ぶにはどうすればよいですか？

SNS上の断片的な発信を追うより、Googleが公式に公開している「プロンプトガイド」を先に読むことが勧められています。体系的に使い方を理解でき、結果的に早く使いこなせるようになるとされています。

この回を聴く

「おちつきAIラジオ」は、日々のAIトピックを現役のAIエンジニア（しぶちょー）と元刑事のポッドキャストプロデューサー（かねりん）がやさしく解説する対談番組です。