Gemini CLI は Google のオープンソースターミナル AI エージェントで、急速に成長しています。2025 年半ばにリリースされた Gemini CLI は、コマンドラインから Gemini の知性に直接アクセスする手段を開発者に提供します。ファイルの読み書き、シェルコマンドの実行、Web 検索、コード解析、そして Web UI なしで複雑なマルチステップタスクを完結できます。
多くの開発者が求めているのは、ターミナルを離れることなく、ツールを切り替えることなく、別の Google Cloud プロジェクトをセットアップすることなく、Gemini CLI 内で画像と動画を生成できることです。このガイドでは、Gemini CLI がデフォルトでできること・できないことを正直にお伝えし、メディア生成を最速で実現するパスをご紹介します。
Gemini CLI とは？
Gemini CLI（@google/gemini-cli）は Google 公式のオープンソース CLI 向け AI エージェントです。ローカルで動作し、Gemini API キー（寛大な無料枠あり）を使用して以下を提供します。
- コード生成と編集 — ファイルの読み込み、コードの作成、ロジックの説明、リファクタリング
- シェルコマンド実行 — コマンドの実行、ファイル管理、ワークフローの自動化
- Web 検索 — エージェント内でのリアルタイム Google 検索
- ファイルの読み込みと分析 — テキスト・画像・コードファイルをコンテキストとして処理
- マルチターン会話 — 長い作業セッションを通じてコンテキストを維持
Gemini CLI は Gemini 2.5 Pro を基盤としており（高速レスポンス向けに Gemini 2.5 Flash も利用可能）、利用可能な無料 AI CLI エージェントの中でも最強クラスです。また完全オープンソースなので、開発者が内部を確認・フォーク・拡張できます。
Gemini CLI はネイティブな画像生成をサポートしていますか？
いいえ — デフォルトインストールではサポートしていません。Gemini CLI は推論とコードのエージェントです。ベースパッケージはファイル I/O、シェル実行、Web 検索、コード生成を提供しますが、すぐに使える組み込みの画像合成コマンドはありません。
Google の新しい画像モデル（Nano Banana シリーズ: gemini-2.5-flash-image、gemini-3.1-flash-image）は Gemini API 経由で利用可能ですが、これらを Gemini CLI から使用するにはカスタムツール定義か、API をラップするシェル対応 CLI が必要です。旧世代の Imagen 3 モデルシリーズは 2026 年半ばに廃止予定です。
AnyCap CLI はシンプルな答えです — 一度インストールするだけで、Google Cloud プロジェクト不要、Vertex AI セットアップ不要。画像・動画・音声生成と Web 検索が一つのパッケージで手に入ります。
Gemini CLI での動画生成
Gemini CLI にはネイティブな動画生成機能は含まれていません。Google の Gemini API は Veo（同社の動画生成モデル）へのアクセスを提供していますが、Gemini CLI に Veo を接続するには Google Cloud インフラまたはシェル対応 CLI ラッパーが必要です。
実用的なパスは二つあります。
Google の実験的 Genmedia MCP： Google Cloud は Veo を使った Gemini CLI 動画生成のための実験的 MCP サーバーコードを公開しています。Google Cloud プロジェクト、Vertex AI アクセス、追加の API セットアップが必要です。2026 年半ば時点では依然として実験段階です。
AnyCap CLI： AnyCap はエージェント CLI で、シンプルなインストールだけで動画生成（Veo 3、Kling、Runway、Wan、Luma など）を Gemini CLI にもたらします — Google Cloud アカウント不要。Gemini CLI はセッション内でシェルコマンドを実行できるため、AnyCap をインストールすれば両者は自然に連携します。
ほとんどの開発者にとって、AnyCap はより速くて現実的なパスです。
Gemini CLI に AnyCap をセットアップする: 画像 + 動画 + 音声
ステップ 1: AnyCap CLI をインストール
npm install -g anycap
anycap login
ステップ 2: AnyCap が利用可能か確認
ターミナルで AnyCap の準備ができているか確認します。
anycap status
ステップ 3: Gemini CLI から使用する
Gemini CLI はシェルコマンドを実行できるターミナルエージェントです。AnyCap を使うよう指示すると、CLI を直接呼び出します。
gemini "AnyCap を使ってテスト画像を生成して — シンプルな青いグラデーションの正方形"
AnyCap がインストールされ認証済みであれば、Gemini CLI は anycap image generate を実行して出力を返します。以降のすべてのセッションで AnyCap が利用可能になります。
Gemini CLI で AnyCap を使って画像を生成する
接続後は、任意の Gemini CLI セッションで自然に画像をリクエストできます。
gemini "iOS アプリ向けに製品スクリーンショットのモックアップを 3 枚生成して — ソーシャルメディアダッシュボード、ダークモード、iPhone 15 Pro フレーム"
gemini "「ターミナルベース AI 開発の未来」というブログ記事のヘッダー画像を生成して。抽象的、テックテイスト、ダークカラースキーム。FLUX Pro を使って。"
gemini "アプリアイコンを 5 つ生成して: ホーム、検索、プロフィール、設定、通知。フラットデザイン、ブルーアクセントカラー、512x512 PNG。"
プロンプトでモデルを指定することも、省略して AnyCap に任せることもできます。
Gemini CLI で AnyCap を使って動画を生成する
動画生成も同じ会話スタイルで行えます。
製品デモ:
gemini "開発者向け CLI ツールの 15 秒製品デモ動画を生成して。コードが生成されるターミナル、スムーズなアニメーションを表示。ダーク背景。Veo 3 を使って。"
ソーシャルコンテンツ:
gemini "新しいオープンソース開発者ツールを発表する YouTube Shorts 動画（9:16、30 秒）を生成して。モダンでエネルギッシュな雰囲気。"
アニメーション解説:
gemini "20 秒のアニメーション解説を作って: AI エージェントがコードベースで並列作業している様子。抽象的なビジュアル、クリーンなライン、ブルーとホワイトのカラースキーム。"
メディア生成をより大きなワークフローに組み込む
画像と動画生成が、Gemini CLI のより長いワークフローの中の一ステップになるとき、真の価値が発揮されます — それ自体が目的ではなく、より大きなタスクの一部として機能します。
ドキュメント作成の場合:
gemini "このディレクトリの README.md を読んで。包括的なドキュメントページを書いて。ツールの目的を表現するヒーロー画像を生成して。マークダウンとヒーロー画像 URL を返して。"
製品ローンチの場合:
gemini "明日 Product Hunt で開発者ツールをローンチします。ローンチの説明文を書いて、30 秒のデモ動画を生成して、X/Twitter・LinkedIn・Instagram 用のソーシャルメディアグラフィックを 5 枚作って。製品名: DevSnap。コアバリュー: コードから即座に API ドキュメントを生成。"
コンテンツパイプラインの場合:
gemini "blog-topics.txt を読んで。各トピックに 200 字の導入文を書き、対応するヘッダー画像を生成して。すべての導入文と画像をトピック名で整理したフォルダを出力して。"
これが機能するのは、Gemini CLI がファイルの読み書き、シェルコマンドの実行、AnyCap ツールの呼び出しをすべて一つのセッションで行えるからです。この組み合わせにより、従来なら複数のツールと手動の引き渡しが必要だったタスクを処理できます。
画像モデルリファレンス
| モデル（AnyCap 経由） | 最適なユースケース | 速度 |
|---|---|---|
| FLUX Pro 1.1 | フォトリアル・高精細画像 | 中 |
| FLUX Schnell | 高速イテレーションとドラフト探索 | 高速 |
| Ideogram 3.0 | 画像内テキスト・タイポグラフィ | 中 |
| Stable Diffusion XL | クリエイティブ・アーティスティックスタイル | 高速 |
| Recraft V3 | ベクタースタイルイラスト・ブランドアセット | 中 |
| gpt-image-2 | 高品質フォトリアル出力・UI モックアップ | 中 |
動画モデルリファレンス
| モデル（AnyCap 経由） | 最適なユースケース | 品質レベル |
|---|---|---|
| Veo 3 | フォトリアル動画・映画的ショット | 最高 |
| Kling 1.6 | キャラクターモーション・ストーリーテリング | 高 |
| Wan 2.1 | 速度・芸術的柔軟性 | 良好 |
| Runway Gen-4 | 精密なコントロール・参照画像ガイダンス | 高 |
| Luma Dream Machine | スムーズなモーション・製品ショーケース | 高 |
よくある質問
AnyCap に Google Cloud アカウントは必要ですか？ いいえ。AnyCap は独立した CLI ツールで、Google Cloud の外で完全に動作します。必要なのは AnyCap アカウント（無料プランあり）と動作する Gemini CLI のインストールだけです。
AnyCap インストール前に Gemini CLI で画像生成できますか？ 標準インストールではできません。Gemini CLI のベースパッケージはコードと推論エージェントです — 画像合成は含まれていません。AnyCap はカスタムツール統合や Google Cloud セットアップなしに画像・動画生成を追加できる最もシンプルな方法です。
Google の実験的 Genmedia と AnyCap の違いは？ Google の実験的 Genmedia 統合は Google Cloud と Vertex AI セットアップが必要で、Google 自社モデルに特化しています。AnyCap はコマンド一つでインストールできるスタンドアロン CLI で、Veo 3・Runway・Kling・FLUX など複数のプロバイダーをサポートします。AnyCap は動画だけでなく、画像・音声・Web 検索・CDN パブリッシングもカバーします。
無料プランはありますか？ はい — AnyCap は始めるための無料プランを提供しています。有料プランでは、より多くの生成ボリュームとプレミアムモデルへのアクセスが解放されます。
まとめ
Gemini CLI はターミナル向けの優れた推論エージェントです。AnyCap を接続することで、Google Cloud セットアップや別途ツールなしに、あらゆるワークフローの中で画像・動画生成を行えます。設定は 5 分、無料の Gemini API プランで動作します。