AI動画 · Google DeepMind

Veo 3.1:話して、動いて、キャラクターが崩れないシネマティックなAI動画

AIに聞く ▾

Veo 3.1 は、一文の説明や数枚の写真から、サウンドトラック付きの短くシネマティックなクリップを作る Google DeepMind の動画モデルです。セリフ、効果音、環境音が映像と一緒に生成されます。2025年10月中旬に、アップグレードされた Flow エディターとともに公開され、ショットを操る新しい方法が3つ加わりました。キャラクターや商品の見た目を保つ参照画像、クリップの始まりと終わりを決める最初と最後のフレーム、そしてワンテイクより長いストーリーを作る Extend です。このガイドでは、各機能の得意分野、広がっている活用シーン、そのままコピーできるプロンプトテンプレートを紹介します。

  • セリフと音声をネイティブ生成
  • 参照画像は最大3枚
  • 最初と最後のフレーム指定
写真を動画にする →

サウンド、ストーリー、コントロール:クリエイターがこのモデルに注目する理由

多くのAI動画ツールは無音のクリップを出力し、音声は利用者任せです。Veo 3.1 は映像とサウンドトラックを一度に生成するため、雨音や車の音、音楽が流れる中で、キャラクターが口の動きを合わせてセリフを話せます。この一点が、ショートドラマ制作者、広告主、ミームアカウントがすぐに飛びついた理由です。完成度の高い8秒間が、ひとつのプロンプトから生まれます。

Google は2025年10月にこのモデルを公開し、Gemini アプリ、Google の映像制作ツール Flow、さらに開発者向けに Gemini API と Vertex AI で提供しました。1回の生成で720pまたは1080pの最大8秒のクリップが作られ、その後のアップデートでスマホ向けのネイティブ縦型9:16出力と、大画面向けの4Kが追加されました。クローズドなモデルのため重みはダウンロードできず、出力には Google の不可視ウォーターマーク SynthID が埋め込まれます。

Veo 3 から Veo 3.1 へ:実感できるアップグレード

Veo 3 は2025年、話す動画を音声付きで生成できる初の広く使われたモデルとして話題になりました。3.1 アップデートはその強みを維持しつつ、コントロール性に重点を置いています。公開時の報道では、画像から始めた場合のプロンプト追従性と画質の向上、より豊かな音声、Flow 内の新しい編集ツールが取り上げられました。また公開時の価格は Veo 3 と同じに据え置かれました。

Veo 3バージョン 3.1
ネイティブ音声セリフ、効果音、環境音より豊かな音声、Flow の編集ツールでも利用可
参照画像非対応キャラクター、物、スタイル用に最大3枚
開始・終了フレーム非対応最初と最後のフレームの間をトランジションで生成
長いストーリー単発クリップExtend で音声ごとクリップを延長
画像から動画良好プロンプトにより忠実で、ディテールも鮮明
フォーマット横長横長、ネイティブ縦型9:16、のちに4Kを追加

Ingredients to Video:キャストや商品の見た目を統一する

Veo 3.1 の Ingredients to Video では、キャラクターのポートレート、商品写真、ロケーションなど最大3枚の参照画像を渡し、それらを組み合わせた1本のクリップを得られます。同じ顔が再び出てくることを祈る代わりに、見せればいいのです。シリーズものの多くはこの機能に支えられています。毎回まったく同じ見た目のバーチャルホスト、色が変わらないブランドマスコット、シーンが変わっても衣装が変わらないショートドラマの主人公などです。

最良の結果を得るには、似た照明で撮った参照画像を使い、被写体をはっきり見せ、プロンプト内で各素材を名指ししてください(「1枚目の画像の女性が、2枚目の画像のボトルを持つ」など)。1本のクリップ内では一貫性が高いものの、別々のクリップを重ねると小さなズレが生じることがあるため、毎回同じ参照画像を使い回しましょう。

最初と最後のフレーム:お披露目、変身、トランジション

Veo 3.1 の Frames to Video は、開始画像と終了画像を受け取り、その間の動きを音声付きで生み出します。気持ちのいいビフォーアフター動画を作る最も簡単な方法です。普段着がイブニングドレスに変わる、空っぽの部屋に家具が揃う、閉じた箱が開いて商品が現れる、昼の街並みが夜へと移り変わる、といった表現ができます。

トランジションを自然にするため、両方のフレームの構図と照明をそろえ、間の動きをプロンプトで説明しましょう(「カメラ固定、きらめくトランジション、明るい音楽」など)。ファッション系クリエイターは衣装のお披露目に、不動産・インテリア系アカウントは部屋の模様替えに、ECチームは開封シーンに活用しています。

First and last frame transformation from casual outfit to evening gown, illustrating a first-and-last-frame video reveal

Extend で8秒の壁を越える

Veo 3.1 の1回の生成は最大8秒で、ひとつの見せ場には十分でも、シーン全体には足りません。Extend は既存クリップの最後の瞬間から続きを生成し、動きと音声を引き継ぐことでこれを解決します。延長を何度かつなげれば30秒以上のシーケンスになり、縦型ドラマの1話、ストーリー型広告、絵コンテのプレビューに十分な長さになります。

延長はそれぞれ1つのアクションとして計画しましょう。1本目で状況を作り、2本目で反応し、3本目でオチをつけます。8秒に無理なく収まる短いセリフは、途中で切れる長いセリフよりずっと自然に聞こえます。

Standard、Fast、Lite、そして縦型と4K

Veo 3.1 には複数のティアがあります。Standard は最終ショット向けの高品質な選択肢です。Fast は仕上がりを少し犠牲にして速度を優先し、下書きや多数のプロンプトバリエーションの一括テストで人気です。Lite は最も軽量で手頃なティアで、大量生成向けですが4Kには対応していません。

生成前にフォーマットを決めましょう。ネイティブ縦型9:16なら TikTok、リール、ショートで頭が切れずに収まり、16:9は YouTube や予告編に適しています。4Kは気に入ったクリップの最終版だけに使い、下書きは低解像度で回すと試行錯誤が速くなります。

  • Standard:メインショット、広告、間近で見られるすべての映像に。
  • Fast:素早い下書き、冒頭フックのA/Bテスト、SNSクリップの量産に。
  • Lite:速度とコストが最重要の大量バッチに。4Kは非対応。

Veo 3.1 が活躍している分野

音と映像が同時に生まれるため、数秒で完結感が求められるフォーマットに向いています。クリエイターが繰り返し使うシーンは次のとおりです。

  • 縦型ショートドラマ:参照画像で固定したキャストが、1クリップに1つの感情的なセリフを言い、Extend でエピソードにつなげる。
  • EC商品広告:ゆっくりした周回ショット、マクロのクローズアップ、開封のお披露目に、合ったチャイム音や風切り音を添えて。
  • UGC風トーク動画:自撮りの構図、カジュアルなレビューのひと言、自然光でSNS広告に。
  • ASMRや料理のクローズアップ:焼ける鍋、注がれる飲み物、サクサクした食感など、音がショットの魅力を決めるもの。
  • シネマティックな予告編やMVの断片:ムードのある照明、ドラマチックなカメラワーク、それに合うサウンドトラック。
  • ミームやコント:8秒以内でオチのセリフが決まる、テンポのいいコメディ。

Veo 3.1 プロンプトガイド:コピーして使えるテンプレート

信頼できる構成は、カメラと動き、被写体とアクション、舞台と光、スタイル、音声の順です。セリフは引用符で囲み、1クリップにつき主なアクションは1つにし、字幕が不要なら「no subtitles」を加えて、画面に崩れた文字が描かれないようにしましょう。細部は自分のシーンに置き換えてください。

ショートドラマ

Medium close-up, handheld. A young woman in a red coat turns to the man at the rainy bus stop and says, "You knew all along." Neon reflections, cinematic, sound of rain and distant traffic. No subtitles.

商品広告

Slow 360 orbit around a glass perfume bottle on wet black stone, macro, soft rim light, water droplets, subtle chime sound, luxury commercial.

最初と最後のフレーム

Start: woman in casual everyday clothes. End: the same woman in an evening gown. Camera static, sparkle transition, upbeat music.

UGCレビュー

Selfie-style vertical video, creator in a kitchen excitedly reviews a blender, natural daylight, casual voice: "Okay, this actually changed my mornings."

試し方と無料で使えるかどうか

立場によって、主に3つの利用方法があります。

  1. 一般のクリエイター:Google AI のサブスクリプションで、Gemini アプリまたは Flow でクリップを生成できます。月ごとの利用枠はプランによって異なります。
  2. 開発者:Gemini API または Vertex AI からモデルを呼び出します。API に無料枠はなく、サードパーティの告知によると Gemini API 上のプレビュー版モデルIDは2026年10月22日に提供終了となり、Google は開発者に新しい Gemini Omni モデルを案内しています。
  3. 無料で試す:一部のサードパーティプラットフォームが試用クレジットを配布しており、無料で使いたい人の定番ルートになっています。

これを基盤にプロダクトを作る前に、Google の動画生成ドキュメントと非推奨化ドキュメントで、利用中のプラットフォームでまだ提供されているモデル名を確認してください。

クリエイターが評価する点と、改善を望む点

公開以来の Veo 3.1 のレビューでは、強みについて意見がおおむね一致しています。口の動き・効果音・映像の緊密な同期、リアルな照明、そしてランダムではなく演出されたように感じるカメラワークです。参照画像と最初・最後のフレーム指定は、Veo 3 から乗り換えた理由としてクリエイターがよく挙げる機能です。

不満点も同じくらい一貫しています。1回8秒は短く感じる、厳しいコンテンツフィルターが無害なプロンプトを拒否することがある、別々のクリップを重ねるとキャラクターがずれることがある、多用するとコストがかさむ、といった点です。ショットを入念に計画し、下書きは高速なティアで行うのが一般的な対処法です。

Veo 3.1 と Sora 2、Kling、無修正の選択肢を比較

OpenAI の Sora 2 と比べる場合、主な違いは参照コントロールと音声品質です。Kling との比較ではクリップの長さが焦点で、Kling 3.0 は1回の生成で15秒、Kling 4.0 は最大30秒に達しますが、このモデルは Extend に頼ります。公平に比べるなら、同じプロンプトと参照画像を各ツールで実行し、一貫性と音声を評価するのがよいでしょう。

Veo 3.1 に無修正版やNSFW版はありません。クローズドで公開された重みはなく、Google は生成AIの禁止用途ポリシーに基づいてプロンプトと出力の両方をフィルタリングしています。制限のない動画を求める人は、たいてい Wan 2.2 や HunyuanVideo など、自分のハードウェアで動かせるオープンウェイトモデルを使います。

無修正の代替動画ジェネレーター

公式モデルにはモデレーションがあり、無修正版は存在しません。ビーチでのビキニ姿や、キャンドルが灯るロフトでのスローダンスなど、架空の成人向け(18歳以上)シーンを作りたい場合は、Spicy AI の画像から動画ページで最初の写真をアップロードし、望む動きを説明してください。

Luxury perfume bottle on wet black stone, styled as a cinematic product commercial shot画像から動画を開く

公式の Veo 3.1 と Spicy AI での生成を比較

公式サービスSpicy AI オンライン
コンテンツフィルタープロンプトと出力を Google がフィルタリング成人向け(18歳以上)コンテンツ可
オープンウェイトなし、クローズドモデル該当なし、オンラインで動作
実際に使われるモデルStandard、Fast、Lite のいずれかのティアSpicy AI 独自の動画モデル
料金Google AI サブスクリプションまたは秒単位課金の API無料で開始、追加はクレジット制
  • 公式:Gemini、Flow、API でネイティブ音声、参照画像、最初と最後のフレーム指定、Extend を利用可能。
  • Spicy AI:自分の写真から始めて、ブラウザ上でアニメーション化。

よくある質問

Veo 3.1 は誰が作り、いつ公開されましたか?

Google DeepMind が2025年10月中旬に、映像制作ツール Flow のアップデートとともに公開しました。

1本のクリップはどのくらいの長さにできますか?

1回の生成で最大8秒です。Extend はクリップの最後の瞬間から続きを生成するので、何度か延長をつなげて長い動画にできます。

音声も生成されますか?

はい。セリフ、効果音、環境音が映像と一緒に生成され、口の動きもセリフに合わせられます。

Veo 3 から何が変わりましたか?

最大3枚の参照画像、最初と最後のフレーム指定、音声付きの Extend が追加され、画像から始めた場合のプロンプト追従性も向上しました。公開時の価格は据え置きでした。

無料で使えますか?

Gemini API に無料枠はありません。Gemini アプリと Flow では Google AI のサブスクリプションプランに含まれ、一部のサードパーティプラットフォームでは試用クレジットが提供されています。

無修正の Veo 3.1 はありますか?

いいえ。公開された重みのないクローズドモデルで、Google がプロンプトと出力をフィルタリングしています。制限の少なさを求める人は、Wan 2.2 などのオープンウェイト動画モデルを使っています。

API はまだ使えますか?

サードパーティの告知によると、Gemini API 上のプレビュー版モデルIDは2026年10月22日に提供終了となり、後継として Gemini Omni が推奨されています。Vertex AI での現在の提供状況は Google のドキュメントで確認してください。

出典

すべての無修正AIモデルを見る →

Veo、Gemini、Google は各権利者の商標です。すべてのコンテンツは成人(18歳以上)を描写したものでなければなりません。

Sign in

Welcome to Spicy AI

or