ティアは制作の段階で選ぶ
探索はLite、調整はFast、最終的に書き出すショットだけQualityと使い分けます。同じプロンプトが3つのティアでそのまま使えるので、ティアを変えても書き直しは要りません。
204クレジット
残りクレジット：
公開
BestAIVideo
Veo 3.1 の内蔵サウンドで、映画のようなショットを演出する
Veo 3.1 は、セリフ・効果音・環境音を映像と同時に生成するGoogleの動画生成モデルです。プロンプトから始めても、最初のフレームを動かしても、最大3枚の参照画像を渡しても構いません。Lite・Fast・Qualityの3段階から選び、生成前に消費クレジットを正確に確認できます。
ジェネレーターで使える Veo 3.1 の機能
Veo 3.1 は、音声まで含めて仕上げた短いクリップに強いモデルです。制作の段階に合わせてコストを選べるよう、ジェネレーターには3つのティアが用意されています。
1つのモデルに3つのティア
Liteは最も低コスト、Fastはバランス型の標準、Qualityは最終出力向けです。どのティアでも720p・1080p・4Kから選べ、初期設定は1080pです。
音声を別に足す必要がない
すべてのクリップに、セリフ・効果音・環境音が生成されて付いてきます。音声のオン・オフ切り替えはないので、ほしい音はプロンプトに書き込んでください。
フレームと参照画像
最初のフレームを動かすことも、終了フレームを加えることもできます。LiteとFastでは、マルチモーダル参照に1〜3枚の画像を渡して、キャラクターや商品の見た目をそろえられます。
配信先に合わせた長さと比率
長さは4秒・6秒・8秒から選べ、初期設定は8秒です。アスペクト比は16:9、9:16、自動の3種類で、横長、縦長、フレーム基準の動画にそれぞれ対応します。
Veo 3.1 のプロンプトの書き方
Googleは、Veo 3.1 の良いプロンプトをいくつかの要素に分けて解説しています。そのままコピーするひな形ではなく、書き終えたあとのチェックリストとして使ってください。
5つの要素でそろえる
撮影手法、被写体、動き、状況、スタイルと雰囲気を組み合わせます。冒頭にショットの種類とカメラワークを置くと、画角が偶然ではなく狙いどおりに決まります。
セリフは引用符で囲む
セリフは引用符で囲み、誰が話すのかも書きます。たとえば、女性が短いひと言を口にする、といった具合です。数秒のクリップに収まる長さに抑えましょう。
音には名前をつける
効果音には「SFX」、部屋や風景の音には「Ambient noise」のような見出しを付けます。動きとは別に音を書き分けると、音の指定が無視されにくくなります。
タイムスタンプで展開を区切る
最初の2秒と、その後の3秒のように、時間で場面を区切って書けます。ただのテキストなので、この1つのプロンプト欄にそのまま入力できます。
Veo 3.1 の3つのクリップから学ぶこと
折り紙の猫が紙の街を歩く
折り紙のオレンジ色の猫が、紙の木々やバラ、白い柵のそばの石畳をそっと歩き、その場にふさわしい環境音が重なります。世界全体の素材をプロンプトで決めながら、重みのある自然な動きも求められる例です。
砂丘でグリッターをまき散らすバイクの走者
赤い服のライダーがカーブに身を傾けると、きらめく粉と浮かぶ光が画面を満たします。このような演出重視のプロンプトは、被写体と動きを1つずつに絞り、見せ場は環境に任せるとうまくいきます。
夕暮れの黄金色の草原を渡る騎手
つば広の帽子をかぶった騎手を、横から追うトラッキングショットで捉え、背後には低い太陽、手前には光る草が広がります。こうしたショットのプロンプトには、カメラの位置、光の向き、静かな音の描写が書かれています。
Veo 3.1 制作のメモ
参照はLiteとFastの機能
商品やキャラクターを一貫させたいショットでは、LiteかFastでマルチモーダル参照を使ってください。Qualityには参照モードがありません。
動きははっきり1つに
8秒は短い時間です。1人の被写体が1つのことをして、カメラも1回だけ動く構成のほうが、出来事を並べた構成よりずっと伝わります。
Veo 3.1 が活きる場面
音声込みの広告
別途サウンドを作り込まなくても、短いスポットの16:9版と9:16版を作れます。
商品アニメーション
パッケージ写真を最初のフレームにして動かし、終了フレームを加えれば、レイアウトに必要なポーズで締めくくれます。
一貫したキャラクター
LiteまたはFastで1〜3枚の参照画像を使い、キャラクターや商品を複数のクリップにわたって引き継げます。
予算を抑えた試作
Liteの720pなら24クレジットで試せます。気に入った案だけをFastやQualityで仕上げましょう。
4Kでの納品
大画面で流すクリップや、マスター編集に使う素材には、どのティアでも解像度を4Kに上げられます。
セリフ中心のシーン
引用符で囲んだセリフに環境音と効果音を添えれば、撮影や収録の前にシーンの試作ができます。
Veo 3.1 のよくある質問
Veo 3.1 は、Google DeepMindが開発した動画生成モデルです。テキスト、画像、参照素材から短いクリップを作り、映像と同時に音声も生成します。
Liteが最も安く、Fastはバランス型の標準、Qualityは最終出力向けで最もコストの高いティアです。Googleによると、LiteはVeo 3.1 Fastの半額未満で、当サイトの720pではQualityの料金がFastのおよそ4倍です。
料金は1本ごとに決まり、長さや比率では変わりません。720pではLiteが24クレジット、Fastが48、Qualityが200です。1080pは順に28、52、204で、4KはLiteの120クレジットからです。
どのティアでも720p・1080p・4Kから選べ、長さは4秒・6秒・8秒です。初期設定は1080pと8秒です。
テキストから動画、最初のフレームが必須で終了フレームは任意のフレームから生成、そしてマルチモーダル参照です。マルチモーダル参照は1〜3枚の画像を受け付け、LiteとFastで使えます。Qualityでは使えません。
はい、常に含まれます。セリフ・効果音・環境音が動画と一緒に生成され、内容はプロンプトで調整します。
話す言葉を引用符で囲み、誰が話しているのかを添えます。クリップは数秒しかないので、セリフは短くしてください。
初期設定の16:9のほか、9:16と自動です。
はい。プロンプトは生成前に英語へ翻訳されるので、書きやすい言語で入力できます。ただし、カメラワークなどの重要な用語は、はっきり書いておきましょう。
プロンプトは最大20,000文字まで入力できます。最初・最後のフレームや参照画像は、JPG、PNG、WebPなどの一般的な形式で、1枚あたり30MB未満であれば使えます。
まず被写体と動き、次にカメラワークと光を見ます。最後に目を閉じて聞いてみてください。画面を見ていないほうが、セリフのタイミングや環境音の出来を判断しやすくなります。