音声も同時に生成する、GoogleのVeo 3.1
1つのプロンプトから、音まで備えた映画のようなワンシーンへ。雨音を背に人物がセリフを話す、そんな映像が8秒のクリップで完成します。
Veo 3.1は、テキストや画像から動画を生成するGoogleのモデルです。Pixel Dojoでは、16:9または9:16、最大1080pで4〜8秒のクリップを作成でき、すべてのティアで映像と音声を同時に生成します。StandardとFastでは、セリフ、効果音、環境音まで指定できます。このページのクリップはすべてVeo 3.1で制作し、使用したプロンプトもそのまま掲載しています。気になる作例から、すぐに制作を始められます。Pixel DojoならStandard・Fast・Liteを1つのツールで使え、主要な動画モデル、6つのスタジオ、AIディレクターのSenseiも揃っています。契約中はクレジットを繰り越せて、すべてのプランで商用利用が可能です。
96 credits ($6.00) すべてのプランに含まれます。月額$10から。
すでに会員の方は ログイン
執筆 Brian Lovett · 更新日
撮りたいカットに合わせてティアを選びましょう。クレジットは、このページの全クリップで使用した1080p、8秒のクリップを基準にしています。
| ティア | おすすめ用途 | 動画の長さ | 音声 | 8 sあたりのクレジット |
|---|---|---|---|---|
| Standard | 顔、セリフ、主役を際立たせるカット | 4、6、8 s | セリフ・効果音・環境音 | 音声付き96 |
| Fast | 動き、アクション、SNS動画 | 4、6、8 s | セリフ・効果音・環境音 | 音声付き36 |
| Lite | Bロール、背景、SNS動画の大量制作 | 1080pで8 s | 音声も同時生成 | 16 |
Pixel DojoのVeo 3.1で、音声付きのクリップを制作しました。セリフのあるシーン、ラリーカーの追走、クレイアニメの短編、コーヒーのCM、渓谷の空撮。5つのジャンルを、1つのモデルで。各タイルの「このプロンプトを使う」をタップして、自分だけの映像に仕上げましょう。
音声まで一体でつくる会話シーンです。男性がランタンを磨く手を止め、振り向いて、雨音を背にセリフを話します。冷たい雨の筋が走る窓と、顔を照らす暖かなランタンの光が対照的です。人物が話すカットの出発点に使えるプロンプトです。
Medium close-up, slow push in. A lighthouse keeper in his sixties with a salt and pepper beard and a navy cable knit sweater stops polishing a brass lantern, turns to someone just off camera and says in a low, steady voice: "The storm turned north. We have one hour. Wake the others." Rain streams down the tall window behind him, warm lantern light on one side of his face against cold blue storm light, 35mm anamorphic lens, shallow depth of field, fine film grain. Sound: heavy rain on glass, a distant roll of thunder, the soft squeak of cloth on brass. No subtitles.
重さまで伝わるモータースポーツのアクションです。濡れた砂利のヘアピンを車が滑り抜け、後輪から泥が扇状に飛び、路面にはヘッドライトが映り込みます。そのすべてを低い位置からの1つの追従ショットで捉えます。追走シーンや車両の映像づくりに使えるプロンプトです。
Low tracking shot at wheel height. A mud caked rally car with plain unmarked bodywork slides sideways through a hairpin on a wet forest gravel road, the rear wheels throwing a fan of mud and stones toward the lens, headlights cutting through low morning mist, pine trunks streaking past, telephoto compression, slight camera shake, high contrast teal and amber grade. Sound: roaring turbo engine, popping exhaust, gravel rattling against the camera housing.
テキストから生まれる、ストップモーションならではの愛らしさ。ニットマフラーを巻いた粘土のキツネが、レンガ窯から温かなパンを取り出し、カメラを向いてセリフを話します。粘土には指の跡が残り、背後では電球が暖かく光ります。短編アニメや子ども向けコンテンツの出発点に使えるプロンプトです。
Stop motion claymation, medium shot, locked camera. A small orange clay fox in a green knitted scarf pulls a tray of lumpy clay bread out of a tiny brick oven, sniffs it, and says proudly: "Perfect. Well, nearly." Visible thumbprint texture on the clay, felt curtains, warm tungsten practical lights, slightly stepped stop motion movement. Sound: an oven door creak, a cheerful plucked ukulele, a soft crackle of fire. No subtitles.
1本のクリップで仕上げる飲料CMです。アイスコーヒーに注がれたクリームが、氷の間を雲のように広がりながら沈んでいきます。グラスには結露の粒が浮かび、琥珀色の逆光がドリンクを透かします。カメラはスタジオの商品撮影のように固定したままです。
Macro product shot, locked camera, slow motion. A thin stream of cream is already pouring into a tall clear glass of iced black coffee, blooming downward in slow marbled white clouds between the ice cubes, condensation beading on the cold glass, warm amber backlight glowing through the coffee against a deep charcoal background, 100mm macro lens, crisp commercial look. Sound: ice cubes clinking and cracking, the soft trickle of the pour, a low warm synth pad.
旅や自然をテーマにした映像の冒頭に、雄大な景色を。カメラがターコイズ色の川すれすれを進み、滝の縁を越えると、黒い玄武岩の柱が並ぶ渓谷と水しぶきにかかる虹が広がります。途切れのない1つの空撮ショットです。
Aerial drone shot, fast and low, gliding over a turquoise glacial river toward the lip of a thundering waterfall, then tilting down as the ground drops away to reveal a vast canyon of black basalt columns filled with mist at sunrise, a rainbow in the spray, wide lens, crisp documentary look, no drone visible in frame. Sound: rushing wind, the building roar of falling water.
深紅の衣装で踊るダンサーの同じプロンプトを、Standard・Fast・Liteで8 s、1080pに設定して生成しました。さらにFastでは4 s版も制作。どのティアでも、一筋の光、漂うもや、グレーのコンクリートに映える赤いシルクを維持しています。ルックはそのまま、予算でティアを選べます。
Standard、8 s。比較した中でも、もやの表現が最も豊かで、シルエットも最もくっきり。頭上の光を受け、スカートが大きな赤い弧を描きます。
Symmetrical wide shot, slow dolly in. A dancer in her thirties in a flowing crimson silk gown spins at the center of an empty raw concrete hall under a single hard shaft of white top light, the fabric flaring outward in a wide arc, dust drifting in the beam, deep shadows at the edges, 24mm lens, desaturated gray palette so the red dress glows. Sound: bare footsteps echoing, one sustained low cello note, the whoosh of silk.
Fast、8 s。冒頭からシルクがふわりと広がり、クリップ全体を通して大きく揺れ動きます。サムネイルサイズでも目を引きます。
Symmetrical wide shot, slow dolly in. A dancer in her thirties in a flowing crimson silk gown spins at the center of an empty raw concrete hall under a single hard shaft of white top light, the fabric flaring outward in a wide arc, dust drifting in the beam, deep shadows at the edges, 24mm lens, desaturated gray palette so the red dress glows. Sound: bare footsteps echoing, one sustained low cello note, the whoosh of silk.
Lite、8 s。同じ演出に、柔らかく光るもやと専用のサウンドトラック。ドレスが大きな円を描いて広がる映像を、1クリップあたり最も低い料金で生成できます。
Symmetrical wide shot, slow dolly in. A dancer in her thirties in a flowing crimson silk gown spins at the center of an empty raw concrete hall under a single hard shaft of white top light, the fabric flaring outward in a wide arc, dust drifting in the beam, deep shadows at the edges, 24mm lens, desaturated gray palette so the red dress glows. Sound: bare footsteps echoing, one sustained low cello note, the whoosh of silk.
Fast、4 s。同じルックを短いカットに。最初のフレームから腕を広げ、スカートが回転します。必要なクレジットは8 s版の半分です。
Symmetrical wide shot, slow dolly in. A dancer in her thirties in a flowing crimson silk gown spins at the center of an empty raw concrete hall under a single hard shaft of white top light, the fabric flaring outward in a wide arc, dust drifting in the beam, deep shadows at the edges, 24mm lens, desaturated gray palette so the red dress glows. Sound: bare footsteps echoing, one sustained low cello note, the whoosh of silk.
Veo 3.1のツールとAPIで使える設定を、上の作例のような映像に仕上げるコツとともに紹介します。
セリフやクローズアップにはStandard、動きやアクションにはFast、1クリップあたりの料金を最も抑えるならLiteを選びましょう。同じプロンプトを、どのティアでも使えます。
最初に画角とカメラの動き。次に、1つの動作をする具体的な被写体、光、レンズ、最後に「Sound:」の行を。このページのプロンプトはすべてこの順序なので、コピーして被写体を差し替えるだけで始められます。
話す内容をダブルクォーテーションで囲み、「低く落ち着いた声で」のように声も指定します。最後に「No subtitles.」と添えて、字幕のないすっきりした画面に仕上げましょう。
長さ、解像度、アスペクト比を設定して生成します。長い作品にするなら、複数のクリップを編集でつなぐか、静止画を次のカットの開始画像として使いましょう。
Veo 3.1は、月額$10からのすべてのPixel Dojoプランに含まれています。契約中はクレジットを繰り越せます。生成前に、設定に応じた正確な料金がツール上に表示されます。
1080p・音声付きの8秒クリップは、Standardで96クレジット、Fastで36クレジット。Fastの4秒クリップは18クレジットです。Liteの1080p・8秒クリップは16クレジットです。
音声オンの場合、1秒あたりStandardは12クレジット、Fastは4.5クレジットです。音声オフではそれぞれ8、3クレジット。Liteは1秒あたり1080pで2クレジット、720pで1.5クレジットです。
Veo 3.1は、GoogleのAI動画生成モデルです。テキストのプロンプトや画像から、セリフ、効果音、環境音を含む音声付きの短いシネマティック映像を生成します。Pixel Dojoでは、Standard・Fast・Liteの3つのティアを1つのツールで利用できます。Pixel Dojo APIからも、veo-3.1-standard、veo-3.1-fast、veo-3.1-liteとして利用できます。
音のあるシーンです。すべてのティアで映像と音声を同時に生成でき、雨音を背に画面の中の人物がセリフを話す場面もつくれます。ラリーカーから飛び散る泥や、アイスコーヒーに広がるクリームといった現実の動きも得意です。粘土のストップモーションのような、独自のスタイルを持つ表現にも応えます。
はい。すべてのティアで映像と音声を同時に生成します。実際に制作したクリップは、Liteを含め、すべて専用の音声トラック付きでした。セリフはダブルクォーテーションで囲み、音の指示は「Sound:」の後に記述します。セリフを指定したランタンのそばの男性も、粘土のキツネも、映像の中で話します。
Standardは最高品質のティアです。顔の描写や会話、主役を印象づけるショットに適しており、参照画像に対応するのはStandardだけです。Fastは1秒あたりの料金がStandardの半額未満で、動きやアクションが得意です。Liteはクリップあたりの料金が最も安く、どのショットにも音声が付きます。
はい。どのプランでも、制作したコンテンツの権利はお客様に帰属します。
無料アカウントでは、毎日3回、無料エフェクトでPixel Dojoを試せます。Veo 3.1は月額$10からのすべてのプランに含まれ、契約中はクレジットを繰り越せます。8秒のクリップは、Liteなら16クレジット、Fastなら音声付きで36クレジットです。
はい。全3ティアで開始画像を指定でき、終了フレームを追加して、狙った構図でクリップを締めくくれます。Standardでは最大3枚の参照画像も使えるため、被写体やビジュアルの一貫性を保てます。
上にプロンプトを書くか、このページの例から始めましょう。ひとつのプランで主要モデル、6つのスタジオ、Senseiがすべて使え、クレジットは繰り越されます。
Veo 3.1で始める