Veoでテキストから動画を作る基本

Veoでテキストから動画を作るときは、promptへ世界観を詰め込むだけでなく、編集で使う1shotの役割を決め、主役・動作・カメラ・場所・見た目・音を必要な順で指定します。1本の生成に物語全体を任せるより、採用したいcutを分けて作る方が、修正点を特定しやすくなります。何を見せる動画なのか、縦横比や利用面も先に決めてください。

GoogleのVeo 3.1は、Google DeepMindの製品ページでtext-to-video、image-to-video、音声付き生成などが案内されています。一方、Gemini、Flow、Vertex AIでは操作や選べる機能、利用条件が異なります。使う画面で実際に選べるmodelと設定を確認し、別の面の仕様をそのまま当てはめないでください。

まず動画の用途とshotの役割を決める

広告の冒頭、商品説明のB-roll、背景素材、concept previewなど、素材をどこへ置くかを書きます。役割が決まると必要な被写体、画角、動作、音を絞れます。例として「商品全体の説明」なら形状とラベルを見せる、「場面転換」なら空間や光の変化を使う、といった設計になります。

完成動画の秒数から逆算し、必要なshotを分けます。冒頭、説明、補足、締めのように役割で分解し、各shotに一つの中心動作を置きます。人物が歩きながら話し、商品を持ち、カメラが回り、背景が変わるという複数の変化を最初から一つへ詰めると、問題の切り分けが難しくなります。

Promptを部品へ分けて書く

Google CloudのVeo向けprompt guideでは、cinematography、subject、action、context、style and ambianceなどを組み合わせる考え方が示されています。これは毎回すべての項目を長文で埋める指示ではありません。必要な情報だけを具体的にし、余計な形容詞で動きや構図が曖昧にならないようにします。

作業用の骨格：

「[shot size / camera]、[主役]が[一つの動作]をする。[場所・背景]。[光や色の見え方]。[必要なら音]。画面比率：[用途に合わせた比率]。」

例：「商品を中央に置いた寄りの固定shot。陶器のカップから湯気がゆっくり立ちのぼる。木の机と朝の窓光。環境音は小さく、音楽なし。」これはpromptの構造例で、生成済みの結果や品質保証ではありません。

一つの動きから始める

最初の試行では、主役のactionとカメラの動きのどちらかを中心にします。被写体が歩くならカメラ固定、カメラが寄るなら被写体は大きく動かさない、といった形です。意図した動きが見えたら、背景や音の要素を追加します。最初から複雑なcamera choreographyを設定しない方が、どの指示を直すべきか分かります。

抽象語は観察可能な変化へ置き換えます。「ドラマチックに」だけで終わらせず、「カメラがゆっくり近づく」「背景の明かりが一つずつ点く」のように、何がどう変わるかを書きます。感情や雰囲気は必要なら添えますが、それだけでsceneの動作を説明したことにはなりません。

音声を映像と分けて設計する

Veo 3.1では音声付き生成が案内されていますが、音声の要否は素材の用途で決めます。台詞が必要なら誰が何を話すか、環境音ならどの音を残すかを短く書きます。音が不要なB-rollでは、無理に台詞を加えず、編集側で音を選ぶ方法もあります。音声が生成されると思い込まず、使用するmodelと画面の設定を確認します。

台詞がある場合は、短い発話、話者、画面上の口の動き、字幕の有無を別々に確認します。正しい固有名詞や広告文言が必要なら、生成音声へ依存せず、後工程で収録・編集する選択肢も残します。生成された音声が意図と違うときは、visual promptを全部変えるのではなく、音声要件だけ切り分けます。

Prompt variationを公平に比べる

候補比較では、入力条件とshotの役割を固定して、変更する要素を一つにします。Aはcamera固定、Bはslow push-in、Cはlightingのみ変更、という具合です。promptを毎回大きく書き換えると、どの変更が結果へ影響したか分からなくなります。複数回の出力は、同じ条件で比較できるようmodel、設定、prompt、実行日を記録します。

採用条件は生成前に書きます。たとえば「主役が途中で別形状にならない」「必要な動作が見える」「字幕用の余白がある」「前後のcutと色や視線がつながる」です。AIが出した中で一番きれいなものを選ぶだけでなく、編集の目的を満たすかで判断します。

生成結果を編集timelineで確認する

previewの一場面だけで採用せず、動画を最初から最後まで再生します。人物の顔・手、商品の輪郭や文字、背景の直線、物体の接触、動作の始点と終点を見ます。さらに前後cutと並べ、動作の方向、画面の明るさ、視線、テンポ、音のつながりを確認します。単体で美しくても、timelineに入れると主役が連続しないことがあります。

失敗の切り分け：動作が伝わらない→動詞と速度を具体化。カメラが意図せず動く→カメラ固定を明示。視点が変わる→shotを分ける。見た目が崩れる→動きの複雑さを下げるか別shotにする。音が不自然→音声の指示を簡素化するか後編集へ回す。設定が原因かpromptが原因か分からなければ、一度に一要素だけ変えます。

まずは使ってみる

記事の文脈に合うToolへ進めます。報酬の有無で見た目は変えていません。

• 

  Google Veo

  公式サイトを見るTool詳細を見る

利用画面と設定を最後に確認する

Geminiアプリ、Flow、Vertex AIは同じVeo系モデルを扱っていても、利用できる機能、入力形式、出力の指定方法が同じとは限りません。Google CloudのAPI文書はAPIの対象modelやinput条件を、Gemini Helpはアプリで使う条件を説明します。利用画面にない設定をpromptで要求しても、同じ制御ができるとは限りません。

作業前にmodel名、アカウント・plan、利用画面、生成設定、ratio、duration、audio、利用規約をメモします。仕様が更新された後に古い手順が合わなくなった場合は、最新の公式画面と文書を確認し、未確認の機能を前提に納期や予算を確定しないようにします。

AIものさしの判断

VeoのText-to-Videoでは、長いpromptを書くことより、用途に合うshotを切り出し、主役の動きとカメラを設計し、候補を同条件で比べることが大事です。映像・音声の機能は選択した利用面によって条件が変わるため、model名だけで操作方法を決めません。

まず1つのcutを選び、役割、主役、動作、カメラ、必要な音、採用条件を記録してください。生成後に全編再生し、前後cutとtimelineで確認します。編集へ置ける素材として合格しない場合は、理由を一つ特定して次の生成条件を変えるのが次の一手です。

生成回数と制作費を管理する

採用候補が出るまで何度も生成すると、費用や時間が膨らみ、どの指示が改善につながったかも分からなくなります。用途ごとに候補数の上限を決め、重要なshotを先に試します。料金やcreditの具体値は、選択したサービス・plan・modelの画面表示を確認してください。Gemini、Flow、Vertex AIの料金・利用枠を混同せず、作業前に見積もりを記録します。

使えない候補が続いたら、その場で一つだけ質問します。「shotの目的が曖昧か」「要求した動きが複雑か」「利用面に必要な機能があるか」。prompt変更で解決しない問題を、さらにpromptを長くして直そうとしないこと。生成条件と素材の役割に戻り、次に変える条件を一つ決めます。

制作メモの例

表は横にスクロールできます

項目	記録例
用途	縦型広告の冒頭cut
shotの役割	商品を最初に見せる
主役とaction	商品は静止、湯気が上がる
camera	固定
必須条件	商品名が変形しない、字幕余白あり
variation	背景の明るさだけ変更
採否	全文再生後に編集担当が判断

ここで挙げた商品例は架空の説明用です。実際の結果を示すものではありません。

1つのshotの見本を作る

作業開始時は、最も重要なcutを一つ選び、shot cardに「目的」「画面比率」「主役」「一つのaction」「camera」「音」「採用条件」を記録します。出力が意図とずれた場合、その項目のうち一つだけを修正します。例えば主役の顔が見えなければ画角を直し、動きが曖昧ならactionを具体化します。質感、色、カメラ、音を同時に変えないこと。

複数shotを作る際は、共通する色・人物・場所の条件と、cutごとの変更点を分けた一覧を持ちます。モデルが一貫性を保証すると決めつけず、編集後の映像で連続性を確認します。広告素材なら商品名や価格の文字を生成動画へ描かせるより、別レイヤーの編集で正確に追加する方が確認しやすい場合があります。

生成前に採否条件を短く書く

表は横にスクロールできます

項目	先に決める例	生成後の確認
用途	商品紹介の冒頭cut	主役が一目で分かるか
action	湯気が上がる	動きが途中で消えないか
camera	固定	意図しない寄りや揺れがないか
画面	縦型、字幕用の余白	文字を置いて主役を隠さないか
音	環境音のみ	台詞や音楽が誤って加わっていないか

これは採用基準の例で、Veoの出力性能を保証するものではありません。実案件では納品先の仕様、ブランドガイド、字幕・音声要件に合わせて書き換えます。採否条件が曖昧なまま複数候補を生成すると、好みの比較に流れやすく、修正理由も共有しにくくなります。

生成に進まない方がよい状態

利用画面の対象model、入力可能な素材、尺や比率、利用条件が確認できない場合は、promptを作り込む前に確認します。撮影素材や人物を含む案では、素材の利用許可と生成サービスへの入力許可が別々に必要になることがあります。許可が曖昧なら、仮素材で構図だけ検討するか、権利確認が済むまで生成を保留します。

納品要件に正確なロゴ、商品ラベル、字幕、人物の表情などが含まれる場合、生成モデルがその細部を保持すると前提にしません。必要な要素を後編集で差し替える工程と担当者を見積もりに含めます。出力品質の評価は、静止画の一場面だけでなく、全体再生と編集timelineの両方で行います。