Google Veo 3.1 動画生成 AI

Veo は Google DeepMind の動画モデルで、Google は現行リリースを3つのティアで提供しています。3つとも開始画像またはテキストプロンプトを受け付け、映像と一緒に音声を生成し、最初と最後のフレームの指定に対応します。違うのは解像度と価格です。

1080p では、Quality の動画は Fast の4倍強のコストがかかります。Quality は、すでに練り上げたショットを最終的に仕上げるためのティアと考えましょう。1080p や 4K がほしいときの普段使いは Fast です。Lite は 4K がなく、3つの中でもっとも安いので、構図や動きのラフを作るのに向いています。

Google Veo が得意なこと

Veo は、作り込まれたワンショットを前提に設計されています。上限は8秒なので、いくつものシーンがある物語には向きませんが、次のような瞬間にはぴったりです。

• 商品やブランドのショット。 光を受けるボトル、台座の上で回るスニーカー、広告の最後に出るロゴ。
• 計画したトランジション。 最初と最後のフレームを指定すれば、ショットの始まりと着地点を自分で決められ、そのあいだの動きは Veo が作ります。
• 短いループ。 720p の4秒動画でも、立ちのぼる湯気、寄せては返す波、画面で点滅するカーソルには十分な長さです。
• 環境音のあるショット。 Veo の動画にはすべて音声が付くので、コーヒーマシンの音や浜辺の波音も同じファイルに入ります。
• 高解像度での納品。 Quality と Fast はどちらも 4K で書き出せるので、1080p ではぼやけて見える画面にも対応できます。

Google 自身が提供する Veo の使い方は Google Flow で、独自のクレジットとサブスクリプションのティアがあります。代わりにここで Google Veo の動画生成 AI を使えば、Google のサブスクリプションなしで、ImageVideoAI のクレジットで1本ごとに支払えます。なお Google は、AI が生成したことを示すため、Veo の出力に目に見えない SynthID のウォーターマークを埋め込んでいると説明しています。

Veo の動画は8秒以下のワンショットなので、プロンプトは物語の段落ではなく、ショットリストの1行のように書きましょう。

• ショット、被写体、動作、場所、光の順に書く。「クローズアップ、陶器のマグカップ、湯気が上へ渦を巻く、窓辺、やわらかな朝の光」。
• 長さは目的に合わせて選ぶ。 720p の4秒はループに、8秒は始まりと終わりのあるお披露目に向いています。
• フレームの組み合わせでは、フレームではなく変化を書く。 Veo はすでに両方の画像を見ています。一方からもう一方へどう移るかを伝えましょう。
• レンズの雰囲気を書く。 マクロ、広角、浅い被写界深度といった言葉のほうが、「素晴らしい」のような形容詞よりも構図を左右します。
• 音声について1行加える。 Veo はすべての動画で音声を生成するので、ガラスに当たる雨や、カフェの静かなざわめきなど、聞こえてほしい音を書きます。
• 動画にしたい形で写真を用意する。 動画は画像の形に従います。縦長の写真なら縦長の動画、横長の写真なら横長の動画になります。

Veo 向けに書いた3つのプロンプト：