scenario-veo について
Scenario上のGoogle Veoモデルで動画を生成・延長するためのスキルです。モード選択やショットのプロンプト作成、音声設定を案内します。
主な機能
- 01テキスト・画像からの動画生成
- 02参照画像によるガイド
- 03動画の延長
- 04音声とショットのプロンプト案内
活用シーン
- 01テキストプロンプトから動画を作成
- 02参照画像でキャラクターやスタイルを維持
- 032枚の静止画間にトランジションを作成
- 04既存の動画クリップを延長
MCP 対応
Scenarioのsearch、model_schema_get、model_run、jobs_wait、asset_displayなどのツールを使った動画生成と確認方法を説明します。
インストール
コマンドをコピーしてターミナルで実行します。
npx skills add https:/インストール後、Claude Code で/scenario-veoを入力して読み込まれたか確認します。
詳細
Scenario Veo Video
概要
Scenario の Google 動画ファミリーである Veo は、制作時点で 4 つのモデルを提供しています。Veo 3.1（フル品質、スタイル切り替えに対応した参照画像）、Veo 3.1 Fast（同じモードをより高速に利用でき、切り替えなし）、Veo 3.1 Lite（フレームアンカーのみで、最も低価格）、Veo 3.1 Extend Video（クリップを延長）。search でこれらを見つけ、model_schema_get を仕様として扱ってください。各モデルでパラメーター名は共通ですが、利用できる入力は異なります。
接続と基本的な流れについては、このリポジトリの scenario スキルをご覧ください。モデルに依存しない動画制作については、scenario-video スキルをご覧ください。ここで名前が挙がっている関連スキルが利用可能なスキルにない場合は、ユーザーにインストールを依頼してください（npx skills add scenario-labs/skills --skill <name>）。無人で処理する場合は、ツールスキーマに従って進め、不足している点を明示してください。
クイックリファレンス
モードは入力に応じて決まります（名前は現在のスキーマに基づいています）。
| モード | 入力 | 動作 |
|---|---|---|
| テキスト | prompt | aspectRatio は 16:9 または 9:16 |
| 最初のフレーム | image（＋prompt） | そのフレームから開始します。一致しない画像はクロップされる場合があります |
| トランジション | image ＋ lastFrameImage | 静止画の間をつなぎます。1 つの連続した動きをプロンプトで指定してください |
| 参照画像 | referenceImages（1～3 枚） | 被写体またはスタイルの一貫性を保ちます。duration は 8 に固定されます |
| 延長 | video（Extend モデル） | クリップを延長します。入力動画は 16:9、短辺は 720p または 1080p です |
image と referenceImages は同時に指定できません。referenceImagesType はフル版 Veo 3.1 のみにあり、配列全体を 1 つの方法で解釈します。ASSET（デフォルト）は被写体、オブジェクト、シーンを引き継ぎ、STYLE は配色、ライティング、テクスチャを引き継ぎます。Fast は切り替えなしで参照画像を受け取り、Lite は参照画像を受け取りません。制作時点で 3 つの動画生成モデルに共通するのは、negativePrompt、resolution（720p、1080p）、duration（4、6、8 秒）、seed です。すべてのモデルで generateAudio が必須で、料金に影響します。Extend モデルで指定できるのは prompt、video、generateAudio、seed のみです。長さ、解像度、アスペクト比を制御する指定はありません。制作時点では、1 件の画像から動画への生成で Lite とフル版 3.1 の料金にはおよそ 5 倍の差があり、延長 1 回の料金はフル版で新規生成するより高くなっていました。そのため、1 回の 8 秒生成で狙いどおりのショットを目指し、バッチ処理の前に同じペイロードで 2 つのモデルに対して dry_run を実行してください。
プロンプトで音響を演出する
generateAudio: true にすると、Veo はセリフ、効果音、環境音を同期して生成し、音声の指示をそのまま解釈します。話し言葉は引用符で囲み、効果音には SFX:、室内の環境音には Ambient noise: を付けてください。音声の指示がないプロンプトでもサウンドトラックは生成されますが、意図したものとは異なる可能性があります。後から音楽を付けるために無音のクリップが必要な場合は、静けさをプロンプトで指定するのではなく、generateAudio: false にしてください。
1 つの連続したショットをプロンプトで指定する
現在形の文章で、撮影方法、被写体、動き、状況、スタイルの順に記述してください。カメラとショットのスケールから始め、中心となる展開は 1 つに絞り、全体をおよそ 90～250 語にします。1 つのクリップに複数の展開を含める場合は、タイムスタンプ付きの行を使えます（[00:00-00:02] Medium shot...）。各区間は選択した長さの中に収めてください。
キャラクターのリファレンスから対話シーンを作成する例
target="models"、query="veo"、public=trueを指定してsearchを実行します。非推奨ではない最新の候補（例：model_veo3-1とmodel_veo3-1-fast）を優先します（執筆時点での有効な候補です。セッションごとに再検索してください）。- 選択した ID に対して
model_schema_getを実行し、ペイロードを作成する前に、利用可能なリファレンス入力を確認します。 - キャラクターの静止画を 2 枚
upload_assetします（scenarioスキルを参照）。アセット ID が取得できます。 - 該当する
model_idとdry_run=trueを指定し、parameters={"prompt": "Medium shot, the knight lowers her visor and says, \"Hold the line.\" Torchlight flickers on wet stone. Ambient noise: distant thunder. SFX: metal visor clank.", "referenceImages": ["asset_a", "asset_b"], "referenceImagesType": "ASSET", "duration": 8, "resolution": "1080p", "aspectRatio": "16:9", "generateAudio": true}を指定してmodel_runを実行します。 Fast ID でも同じジョブを見積もり（そちらには存在しないreferenceImagesTypeを削除します）、比較します。 wait=falseを指定してmodel_runを再度実行し、返されたジョブ ID を使ってjobs_waitを実行します。タイムアウトした場合は、pending_job_idsを指定して再度呼び出します。model_runは 2 回目を実行しないでください。- 出力を
asset_displayで表示し、音声を含めて確認します。文言だけを変更して繰り返す場合は、明示的に指定したseedを固定します。
よくある間違い
imageとreferenceImagesを併用する：相互排他的なため、冒頭の状態か一貫性のどちらかを選びます。referenceImagesとともに 8 以外の時間を指定する：リファレンスモードがサポートするのは 8 秒のみです。- Lite に
referenceImages、または Fast にreferenceImagesTypeを送信する：利用可能な入力はスキーマで決まります。 generateAudioを省略する：すべてのメンバーで必須のため、明示的に渡してください。- 9:16 のクリップを延長する：Extend が受け付けるのは、短辺が 720p または 1080p の 16:9 ソースのみです。
- プロンプトを否定表現のリストとして書く：望むシーンを描写し、抑制したい内容には
negativePromptを使用してください。