本文へスキップ
hdknr blog
戻る

Veo 3.1 Lite の料金でアバター動画は 0 円で作れるか — Claude Fable 5.2 との分担を検証

はじめに

2026 年 11 月、X で「HeyGen や Higgsfield はもう要らないかもしれない」という投稿が話題になりました。発端は、韓国のデータアナリスト UCHAL(@tm_uchal)さんが 11 月 12 日(日本時間)に公開した投稿です。Claude Fable 5.2 と Veo 3.1 Lite だけで 24 秒の AI アバター動画を作ったと報告しています。投稿のポイントは次の 2 点です。

11 月 14 日には、中国語圏のユーザー Andy L(@AndyL5cc)さんがこの動画を紹介しました。「プラットフォームの表示がなければ AI だと気づかない」と評し、さらに拡散しています。

動画の出来は確かに自然です。ただし元の投稿が明かしているのは、次の分担だけです。

担当作業
Claude Fable 5.2台本、編集、3D、音楽
Veo 3.1 Lite映像、声

この記事では、まずこの分担を実際の作業に分解し、「0 円」という主張が Veo 3.1 Lite の公開価格と整合するかを確かめます。さらに、2026 年 11 月時点で使えるモデル ID と、Python と ffmpeg で 24 秒の動画を組み立てる手順も紹介します。

先に結論: 公開価格どおりに API を使うと、1080p で 24 秒なら $1.92 かかります。Gemini API に Veo の無料枠はなく、プレビュー版のモデル ID はすでに提供を終えています。

Claude Fable 5.2 と Veo 3.1 Lite の分担を作業に分解する

Claude は文章とコードを出力するモデルで、映像や音声のファイルを直接は生成しません。それでも「3D」「音楽」「編集」を担当できるのは、コードを書き、エージェント環境でそれを実行するからだと考えるのが自然です。元の投稿は手順を明かしていないので、以下は推定です。

人間の 1 行の依頼を Claude Fable 5.2 が受け取り、台本・Veo 用プロンプト・3D と BGM を作るコード・ffmpeg による編集指示に分解する。プロンプトは Veo 3.1 Lite に渡って声つきの人物映像になり、コードはローカルで 3D レンダリングと BGM の書き出しを行う。最後に ffmpeg で連結・ミックスして 24 秒の 1080p 動画になる流れを示した図

HeyGen のようなアバター専用サービスは、この工程をまとめて GUI で提供しています。「要らないかもしれない」という主張は、汎用のエージェントと汎用の動画モデルを組み合わせれば、専用サービスの代わりになり得るという意味だと読めます。

Veo 3.1 Lite とは

Veo 3.1 Lite は、Google が 2026 年 3 月 31 日に発表した、Veo 3.1 ファミリーで最も安価な動画生成モデルです。Gemini API の料金表では、生成した動画 1 秒あたりの価格が次のように設定されています(2026 年 11 月時点の値。価格は改定されることがあるので、使う前に料金表を確認してください)。

モデル720p1080p
Veo 3.1$0.40/秒$0.40/秒
Veo 3.1 Fast$0.10/秒$0.12/秒
Veo 3.1 Lite$0.05/秒$0.08/秒

Lite は 720p で Fast の半額、1080p で約 3 分の 2 の価格です。量産や試作に向いた位置づけといえます。

Veo 3.1 Lite の料金で「0 円」は成り立つか

結論から言うと、公開価格どおりに API を使ったのなら 0 円にはなりません。

それでも本人が 0 円と感じた理由としては、次のような可能性が考えられます(投稿では説明されていません)。

いずれにしても「追加の現金支出が 0」であって、「計算資源が無料」という意味ではない点に注意が必要です。とはいえ、24 秒で約 2 ドルという水準は、専用サービスの月額課金と比べても手頃だと言えます。

Veo 3.1 Lite のモデル ID(プレビュー版は提供終了)

自分で試す場合は、モデル ID に注意してください。Gemini API のモデルページによると、プレビュー版の veo-3.1-lite-generate-preview は 2026 年 10 月 22 日に Gemini API で提供終了しています。移行先としては、Gemini Omni Flash か、Agent Platform 上の Veo が案内されています。

Google Cloud の Gemini Enterprise Agent Platform(旧 Vertex AI。以下 Agent Platform)では、veo-3.1-lite-generate-001 が us-central1 で提供されています。ただし、こちらも位置づけはプレビュー(2026 年 4 月 2 日リリース)です。また、Agent Platform の料金は Gemini API とは別の料金表で定められているので、試す前に確認してください。

元の投稿は Gemini API での提供終了後の 11 月 12 日に公開されています。そのため、Agent Platform の経路か、Veo を組み込んだ別のサービスを使った可能性があります。

試してみる: Veo 3.1 Lite で 24 秒の動画を組み立てる

1. 準備

Python の SDK をインストールし、Google Cloud の認証を済ませます。Google Cloud のプロジェクトで Vertex AI API(Agent Platform の API)を有効にしておく必要があります。

pip install google-genai
gcloud auth application-default login

2. Python で 8 秒のクリップを生成する

google-genai SDK で Agent Platform 経由のクライアントを作り、veo-3.1-lite-generate-001 を呼ぶ例です。プロジェクト ID と Cloud Storage のバケットは自分のものに置き換えてください。

import time

from google import genai
from google.genai import types

client = genai.Client(vertexai=True, project="your-project-id", location="us-central1")

prompt = (
    "A friendly presenter in her 30s stands in a bright studio, "
    "looks into the camera and says in Japanese: "
    "'こんにちは。今日は新しいサービスを紹介します。' "
    "Natural gestures, soft key light, 35mm lens."
)

operation = client.models.generate_videos(
    model="veo-3.1-lite-generate-001",
    prompt=prompt,
    config=types.GenerateVideosConfig(
        aspect_ratio="16:9",
        resolution="1080p",
        duration_seconds=8,
        output_gcs_uri="gs://your-bucket/veo-output/",
    ),
)

# 動画生成は長時間処理なので、完了までポーリングする
while not operation.done:
    time.sleep(15)
    operation = client.operations.get(operation)

# 生成された動画の保存先(gs://your-bucket/veo-output/... の URI)が表示される
print(operation.result.generated_videos[0].video.uri)

台本を 8 秒ずつのセリフに分けてこれを 3 回呼べば、24 秒分の素材がそろいます。この「分割してプロンプトを書く」部分を Claude に任せるのが、元の投稿の使い方だと考えられます。

3. ダウンロードして連結する

生成した動画は Cloud Storage に保存されるので、手元にダウンロードし、clip1.mp4 から clip3.mp4 に名前を付け替えます。

gcloud storage cp "gs://your-bucket/veo-output/*" .

次の内容で list.txt を作成します。

file 'clip1.mp4'
file 'clip2.mp4'
file 'clip3.mp4'

同じモデル・同じ設定で生成したクリップなら、再エンコードせずにつなげられます。

ffmpeg -f concat -safe 0 -i list.txt -c copy joined.mp4

4. BGM を重ねる

Claude に作らせた BGM を bgm.wav として書き出しておき、Veo が生成した声に重ねます。

ffmpeg -i joined.mp4 -i bgm.wav \
  -filter_complex "[1:a]volume=0.2[bgm];[0:a][bgm]amix=inputs=2:duration=first[a]" \
  -map 0:v -map "[a]" -c:v copy -c:a aac final.mp4

volume=0.2 で BGM を小さくしておかないと、セリフが聞き取りにくくなります。duration=first を付けているので、BGM が長くても動画の長さで切れます。

まとめ

専用のアバターサービスが不要になるかどうかは、品質の安定性や商用利用の条件まで含めて判断する必要があります。それでも、汎用 LLM と安価な動画モデルを組み合わせれば、1 行の依頼から短い動画まで現実的な価格で作れるようになりました。この変化は押さえておく価値があります。



前の記事
Terraform 向け AWS 設計書の書き方 — パラメータシートを variables.tf に対応させる5要素と構成図ツール比較
次の記事
Transformer 入門 — Attention の仕組みと RNN との違い、ニューラルネットワークとの関係