nano-banana-videogen

Nano Banana 動画生成

nano-banana CLI を使用して、Google Veo 3.1 モデルで動画を生成します。

前提条件

• GEMINI_API_KEY 環境変数が設定されている必要があります
• CLI は npx @the-focus-ai/nano-banana 経由でインストールします

クイックリファレンス

# Generate a video from text
nano-banana --video "A sunset over mountains, slow dolly-in, cinematic lighting"

# Animate an existing image
nano-banana --video "The character slowly turns and smiles" --file portrait.png

# Cost-optimized development mode
nano-banana --video "Quick test scene" --video-fast --no-audio --resolution 720p

# Specify output path
nano-banana --video "A cat playing" --output cat-video.mp4

# Full control over settings
nano-banana --video "Dramatic reveal scene" \
  --duration 8 --aspect 16:9 --resolution 1080p --seed 42

動画リクエストを理解する

生成する前に、動画に固有の次の点を明確にします。

1. 中心となるシーン：主なアクションや被写体は何ですか？
2. カメラワーク：固定、ドリー、パン、トラッキング、クレーンのどれですか？
3. スタイル：映画風、ドキュメンタリー、コマーシャル、カジュアルのどれですか？
4. 音声：セリフ、効果音、環境音、音楽はありますか？
5. 長さ：4、6、8 秒のどれですか？
6. 向き：横向き（16:9）ですか、縦向き（9:16）ですか？

動画プロンプトの5要素の公式

次の要素を使ってプロンプトを構成します。

[Camera Movement] + [Subject] + [Action] + [Environment] + [Audio/Style]

例 — 弱いプロンプト：

"a person walking"

例 — 強いプロンプト：

"Slow dolly-in shot. A woman in her 30s, shoulder-length wavy black hair,
green jacket, walks confidently through a sunlit park. Golden hour lighting,
warm color grading. Ambient sounds: birds chirping, distant traffic.
Cinematic, aspirational mood. No subtitles, no text overlay."

ワークフロー

ステップ1：プロンプトを作成する

詳しいガイダンスについては、prompting-guide.md を参照してください。

主な原則：

1. カメラワーク（ドリー、パン、固定、トラッキング）から始めます
2. 被写体を詳しく描写します（外見、衣装、表情）
3. タイミングの手がかりを含めて動作を指定します
4. 照明と環境を含めます
5. 音声の設計を追加します（セリフ、SFX、環境音）
6. 必ず末尾に追加します：「No subtitles, no text overlay, no captions」

ステップ2：コストを考慮する

動画生成は、画像生成よりも大幅にコストがかかります。

モデル	1秒あたりのコスト	8秒の動画
veo-3.1-generate-001	$0.40	$3.20
veo-3.1-fast-generate-001	$0.15	$1.20

開発ワークフロー：

1. --video-fast --no-audio で反復します（最も低コスト）
2. --video-fast でテストします（必要に応じて音声を追加）
3. デフォルトモデルで最終レンダリングします（プレミアム品質）

ステップ3：生成する

nano-banana --video "your detailed prompt here"

生成には2〜4分かかります。進行状況はターミナルに表示されます。

ステップ4：反復する

結果が期待どおりでない場合：

1. カメラワークを調整する — より具体的に指定します（例：「8秒かけてゆっくりドリーインする」）
2. 避けることを指定する — 避けたい内容を記述します
3. シンプルにする — 1つのクリップにつき、中心となる動作を1つに絞ります
4. 長さを変えてみる — 素早い動作には4秒または6秒のほうが適している場合があります

コマンド

テキストから動画を生成

nano-banana --video "<prompt>"

画像から動画を生成（アニメーション）

nano-banana --video "<motion description>" --file <input-image>

動きの説明では、画像をどのようにアニメーション化するかを記述します。

• 「キャラクターがゆっくりと頭を回して笑顔になります」
• 「微かな風の動きとともに、シーンに生命が吹き込まれます」
• 「ズームアウトして風景全体を映し出します」

オプション

オプション	説明	デフォルト
--video	動画モードを有効にする	（必須）
--video-model <name>	使用する Veo モデル	veo-3.1-generate-001
--video-fast	高速／低コストのモデルを使用する	（プレミアムモデル）
--duration <sec>	4、6、または8秒	8
--aspect <ratio>	16:9 または 9:16	16:9
--resolution <res>	720p、1080p、または4K	1080p
--audio	音声を生成する	（有効）
--no-audio	音声を無効にする	-
--seed <number>	再現性を確保するためのシード値	（ランダム）
--output <file>	出力先のパス	output/video-.mp4
--file <image>	アニメーション化する入力画像	-

カメラワークのリファレンス

カメラを正確に操作するには、以下の用語を使用してください。

動き	説明	プロンプトの例
固定	動きなし	"三脚に固定したショット。湯気が立つコーヒーカップ..."
パン	水平方向の回転	"街のスカイラインをゆっくり左にパン..."
チルト	垂直方向の回転	"顔から手元へと下にチルト..."
ドリーイン	カメラが被写体に近づく	"ミディアムショットからクローズアップへ、ゆっくりドリーイン..."
ドリーアウト	カメラが被写体から遠ざかる	"ドリーアウトして広大な風景を映し出す..."
トラッキング	被写体と並行して動く	"歩く人物を追うトラッキングショット..."
クレーン	垂直方向に大きく移動	"地上から上昇するクレーンショット..."
手持ち	リアルな揺れ	"手持ちカメラ、ドキュメンタリースタイル..."

重要：1つのショットにつき、主要な動きは1つだけ使用してください。複数の動きを組み合わせないでください。

セリフの書式

セリフには、コロン形式を使用してください。

Character description says: "Exact dialogue here."

例：

"A friendly young woman, excited and cheerful, says: 'Welcome to our store!'
Standing in bright retail environment. Natural lip-sync. No subtitles."

ガイドライン：

• 8秒の場合、セリフは6～12語にしてください
• 話者の口調と感情を説明してください
• 必ず「字幕なし、テキストオーバーレイなし」と追加してください

音声の設計

音声をレイヤーに分けて構成します。

1. セリフ（最優先） - 常に明瞭にする
2. 効果音 - 具体的で、タイミングを指定した動作
3. 環境音 - 背景要素は最大3～5個
4. 音楽 - 最低優先度、「セリフ中は音量を下げる」

例：

"Sound effects: Door closing at 2-second mark, footsteps on wood.
Ambient sounds: Quiet office hum, distant typing.
Background music: Soft jazz, low volume, ducks under dialogue."

ベストプラクティス

より良い結果を得るには

1. 重要な情報を先に記述する - カメラ、被写体、動作の順に
2. 映画制作の用語を使う - 「35mmレンズ」、「被写界深度を浅く」、「ゴールデンアワー」
3. 照明を具体的に指定する - 単に「良い照明」ではなく、「左側からの柔らかな窓光」
4. 雰囲気を説明する - 「親密な」、「壮大な」、「サスペンスに満ちた」、「心躍る」
5. 避けるべき内容を指定する - 何を避けるかを記述する

画像から動画を生成する場合

1. 画像に合わせる - 画像の内容に合った動きを説明する
2. 控えめに始める - 大胆な変化より、小さな動きのほうが効果的です
3. 照明を一定に保つ - 画像と異なる照明の変化を記述しないでください

ショット間の一貫性を保つには

関連する複数の動画を作成する場合：

1. キャラクターの説明を作成し、正確に同じ内容を再利用する
2. 照明のスタイルを一貫させる
3. 同じ系統のカメラワークを使用する
4. 再現性を高めるには--seedを使用する

トラブルシューティング

「動画生成がタイムアウトする」

• 生成には2～4分かかることがあります
• タイムアウトが続く場合は、よりシンプルなプロンプトを試してください
• 生成を速くするには--video-fastを使用してください

品質が低い、または内容が正しくない

• より具体的な説明を追加してください
• 避けるべき内容を指定してください
• 高速モデルではなく、プレミアムモデルを試してください

動画に字幕が表示される

• プロンプトに必ず「字幕なし、テキストオーバーレイなし、キャプションなし」と含めてください
• Veoは字幕付き動画で学習しているため、字幕を追加する傾向があります

音声が動画と合わない

• 音が発生するタイミングをより具体的に指定してください
• 「効果音：Y秒時点でX」と指定してください
• 音声レイヤーをシンプルにしてください（要素を減らす）

安全性フィルターで拒否される

• 暴力、武器、露骨なコンテンツを避けてください
• あいまいな用語を言い換えてください
• より一般的な説明を試してください

コストの最適化

# Development (cheapest): ~$1.20 per video
nano-banana --video "test prompt" --video-fast --no-audio --resolution 720p

# Testing with audio: ~$1.20 per video
nano-banana --video "test prompt" --video-fast

# Production quality: ~$3.20 per video
nano-banana --video "final prompt" --resolution 1080p

プロンプトの例

完全なプロンプト例については、examples/ディレクトリを参照してください。

• cinematic-shots.md - カメラワーク
• dialogue-and-audio.md - セリフと音声
• image-to-video.md - 画像のアニメーション化

環境の設定

GEMINI_API_KEYが設定されていることを確認してください。

export GEMINI_API_KEY="your-api-key-here"

または、プロジェクト内に.envファイルを作成してください。

GEMINI_API_KEY=your-api-key-here