Veo は DeepMind の動画生成モデルで、Veo 3.1 の立ち位置は一言にまとめられている。映像よ、音に出会え。対象は映画の作り手と語り手で、ネイティブ音声、より強い制御、一貫性を売りにし、Gemini アプリ、Google Flow、Google Vids、Google AI Studio、Gemini API といった複数の入口から届く。

音は映像と一緒に生成される

能力一覧が繰り返し戻ってくるのがネイティブ音声だ。効果音、環境音、さらにはセリフまで同じ生成から出て、あとから貼る音ではない。例のプロンプトが実態をよく示している。まずカットの説明、続いて音の説明。街のざわめき、遠くの会話、低いラップのビート、人物が発する台詞。すべてを一つのプロンプトに書く。前世代は「より強い現実感のための作り直し」を更新点に挙げており、その理由は現実世界の物理と音を一緒にモデリングするようになったからだという。

出力仕様とカメラ制御

解像度は 1080p と 4K を生成できると明記されている。1080p は編集向けの鋭く澄んだ画質、4K は高級な制作向けに質感と細部を多く残す。

制御についての列挙は具体的だ。カメラ制御は画角と動きの両方を指定でき、例として後退、寄り、上昇、右移動の四つが挙げられている。外側への拡張は枠の外に合った自然な新内容を補い、完成した映像をさまざまな画面の形に合わせる。映像に物体を加えるときは大きさ、相互作用、影を考慮し、取り除くときは元の構図、相互作用、影を保つ。これらを合わせると、生成のあとにどれだけ手戻りが要るかという実務的な問いに答えることになる。

人物の一貫性、シーン延長、最初と最後のフレーム

カットをまたぐ連続性は三つの能力が支える。人物の一貫性は参照画像で実現し、公式の例では同じ人物がカメラへ歩み寄り、水中を泳ぎ、菓子の世界へ入っても見た目が変わらない。シーン延長は最初のカットの最後の一秒から話を続け、映像と音を保ったまま尺を伸ばす。ページには四つのプロンプトで同じシーンを続けて延ばすダンスの例がある。最初と最後のフレームは、与えられた二枚の間を滑らかにつなぐ。公式はこれを滑らかで工夫があり叙事を感じさせる転換と表現する。

身体、表情、声で人物を動かす

さらに進んだ一群は、人を生成の流れの中に置く。人物制御は身体の動き、表情、声で生成した人物を動かし、動作制御は映像の中の物体を選んでからその経路を決める。どちらもプロンプトを、カットを説明する段階から演じさせる段階へ押し出す。決まった人物を繰り返し出したい内容では効いてくる。

公式が示す評価の前提

強みは四つの課題にまとめられている。テキストから映像、画像から映像、テキストから音付き映像、そして現実の物理だ。ベンチマークの説明では、評価者が公開された映画生成データセットの 1,003 本のプロンプトと対応する映像を見て、Veo 3.1 が総合的な好み、テキスト整合、視覚品質の三点で先行したとする。画像から映像は公開ベンチマークの 355 組の画像とテキストの対、音付きのテキストから映像は 527 本のプロンプトを使い、評価者は同期が良いと判断した。物理の部分集合では挙動がより現実的だと評価した。さらに素材から映像、シーン延長、最初と最後のフレーム、物体挿入の四つは内部の人手比較で先行したと別に記す。これらの結論にはいずれも 2025 年 10 月という日付が添えられている。

Flow：モデル、道具、クレジット

Flow の中で Veo 3.1 は主力の動画モデルだ。Flow は先進的な生成モデルの上に築いた AI 創作スタジオと定義され、Veo 3.1 のほかに、テキストと画像と映像の生成と対話的な編集を担う Gemini Omni、画像を扱う Nano Banana を備える。エージェントは Flow の特徴のひとつで、企画の文脈を読み、作り手と一緒に案を練る。

道具の層は自分で広げられる。ページは文字の重ね、画面調整、画像編集器、絵コンテ制作の場、シェーダー効果、視覚デザインの下書きなどを挙げ、自然言語で専用の道具を作り、共有し、作り変えられるようにしている。その上に芸術家向けの創作合宿も置かれている。

無料枠と有料の段階

公式の価格ページによれば、無料プランは 1 日 50 の Flow クレジットを配り、中身は Gemini Omni Flash、Nano Banana Pro、Veo 3.1 で、既製の道具を使ってテキストから映像、画像から映像、素材から映像、映像の延長、映像から映像への編集、シーン作成、2K 画像の高画質化、仮想形象までこなせる。上に有料が三段ある。AI Plus は月 4.99 ドルで、1 日 50 に加えて毎月 200 クレジット、1080p 映像の高画質化と自作の道具が付く。AI Pro は月 19.99 ドルで毎月 1,000 クレジット、追加購入もできる。AI Ultra は月 99.99 ドルで毎月 10,000 クレジット、4K の画像と映像の高画質化を含む。価格は市場で変わり、機能は購読の段階、基盤、地域で変わり、18 歳以上であることが条件だと公式は添えている。

安全、透かし、まだ荒いところ

生成した映像には SynthID の透かしが入る。これは AI 生成物を印し検出するための技術だ。出力はさらに安全評価と記憶内容の確認を通り、有害な要求と結果は遮断される。同じページには改善中の点も挙がる。自然で一貫した音声、とくに短い音声の部分で、同期と声の連続性を磨いているという。

すでに使われている例

掲載されている制作例は、自社の基盤の中で絵コンテと事前視覚化に使う制作会社、AI のロールプレイングゲームで静的な幕間と進行に応じて変わる素材を作る例、中小の店舗向けの動く図形と宣伝映像に使う編集エージェントだ。さらに以前の線として、ある監督の設立した制作会社との協業があり、実写素材と生成映像をどう組み合わせるかを探っている。そこから新進監督による短編三本が生まれた。

いくつかの境界

解像度、音声、制御の対応範囲は購読プランと入口によって変わるので、購入前にその時点のページを確認したい。ベンチマークの数字は公式ページが引く人手評価と内部比較で、取得時期は 2025 年 10 月と記され、課題の定義も比較対象のモデルも変わりうる。Flow のクレジットと実際に作れる本数は一対一ではないので、費用は自分の利用量から見積もる必要がある。商用利用と配布は利用規約と生成 AI の指針に従う必要があり、実在の人物や著作物が絡む場合は権利の確認が別に要る。

まとめると、今回の要点は音を同じ生成に取り込んだこと、そして 1080p と 4K の出力、シーン延長、最初と最後のフレーム、カメラの動き、外側への拡張、物体の追加と削除で制御を創作者に返したことだ。Flow はモデルと道具とクレジットの課金を一つの作業台にまとめる。