Veo 3.1 ― Googleの音声付き動画生成AI

Veo 3.1はGoogle DeepMindが開発した動画モデルで、音声を映像と同時に生成できる初期のモデルの一つです。プロンプト内の音に関する描写を理解し、ビーチのシーンなら打ち寄せる波音やカモメの鳴き声、雨の降る街なら雨粒の音、画面に登場する話者には指定したセリフをタイミングよく話させることができます。

本サービスでは、フルバージョンより高速で低コストなVeo 3.1 Fastを提供しており、同じ特徴的なリアリズムはそのままです。動きの物理法則、光、素材感を説得力ある形で表現し、人物や複雑なシーンも自然に処理します。動画はテキストまたは写真から生成でき、長さは4秒・6秒・8秒から選択、解像度は720pでも1080pでも同一料金です。

音声の有無は選択可能で、音声ありの場合は4秒のクリップが66クレジット、音声なしの場合は44クレジットです。Veo 3.1は、広告・音声付きクリップ・リアリズムが重要なシーンに最適な選択肢です。