本文へスキップ
hdknr blog

Veo(Google の動画生成モデル)

プロンプトから映像と音声(セリフを含む)を同時に生成する Google の動画生成モデル。Veo 3.1 / Fast / Lite の料金、モデル ID の提供状況、LLM エージェントと組み合わせたアバター動画の作り方

概要

Veo は Google の動画生成モデル。Veo 3.1 系はプロンプトから映像と音声(セリフを含む)を同時に生成できるため、口の動きと声を別々に合わせる手間がない。Veo 3.1 Lite は 2026 年 3 月 31 日に発表されたファミリー最安のモデルで、量産や試作に向く。

詳細

料金(Gemini API、2026 年 11 月時点)

生成した動画 1 秒あたりの価格。改定されることがあるので使う前に 料金表 を確認する。

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

Gemini API では Veo 3.1 系の無料枠は「Not available」。24 秒を Lite の 1080p で作ると $1.92(720p なら $1.20)で、撮り直しの分だけ増える。「0 円で作った」という報告は、無料クレジットや定額サブスクの範囲で「追加の現金支出が 0」だったと読むのが妥当。

モデル ID の提供状況

呼び出し方

google-genai SDK で genai.Client(vertexai=True, project=..., location="us-central1") を作り、client.models.generate_videos() に GenerateVideosConfig(aspect_ratio, resolution, duration_seconds=8, output_gcs_uri) を渡す。長時間処理なので operation.done までポーリングし、結果は Cloud Storage に保存される。事前に Vertex AI API の有効化と gcloud auth application-default login が要る。

LLM エージェントとの分担

「Claude が台本・3D・音楽・編集、Veo が映像と声」という分担で 24 秒のアバター動画を作った報告が話題になった(手順は非公開で、以下は推定)。Claude は映像や音声を直接は生成しないので、コードを書いて実行することで担う。

工程担当と手段
台本・カット割り・Veo 用プロンプトLLM。24 秒なら 8 秒 × 3 カット
3DLLM が Three.js や Blender の Python スクリプトを書き、ローカルでレンダリング
音楽LLM が MIDI 生成や Web Audio API で合成するコードを書く
映像と声Veo
編集ffmpeg。同じ設定のクリップは -f concat -c copy で再エンコードなしに連結し、BGM は volume=0.2 と amix=duration=first で声に重ねる

HeyGen のようなアバター専用サービスはこの工程を GUI でまとめて提供している。汎用エージェントと安価な動画モデルの組み合わせは、品質の安定性や商用利用の条件まで含めて比べる必要があるが、短い動画なら数ドルで作れる水準になった。

関連ページ

ソース記事