veo-3 について
Google の Veo 3.1 で動画を生成するためのプロンプト作成スキルです。映像制作者向けに、ショットの演出、同期音声、画像による制御に加え、反復調整や開示について案内します。
主な機能
- 01監督視点のショットプロンプト作成
- 02セリフ、効果音、環境音、音楽の指定
- 03静止画を画像から動画に変換
- 04参照画像と開始・終了フレームの利用
- 05低解像度で反復してから最終生成
活用シーン
- 01縦型ソーシャル動画のフック作成
- 02静止画への動きと音声の追加
- 03映画調の B ロールや製品動画の下書き
MCP 対応
Veo の連携ガイドを参照し、API による生成とポーリングを行います。その後、動画を WoopSocial Media にアップロードし、scheduling-and-queue 経由で投稿に添付します。
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:/ / github.com/ social-media-skills/ skills --skill veo-3インストール後、Claude Code で/veo-3を入力して読み込まれたか確認します。
同梱ファイル
SKILL.md と一緒にインストールされる参考資料やスクリプト。
evals/evals.jsonreferences/audio-and-camera.mdexamples.mdinputs-length-and-recipes.mdwhen-and-how-to-prompt.md詳細
Veo(動画プロンプトの作成)
Veo(Google の動画モデル、Veo 3.1。低コストで反復するには Fast/Lite ティア)で、映画のようなクリップを生成するプロンプトを作成します。これは3層構成におけるプロンプト作成のレイヤーであり、nano-bananaの動画版です。
- 接続/API(モデル ID、非同期の生成とポーリング、生成 → WoopSocial Media にアップロード → 添付のフロー)→
tools/integrations/veo.md。 - プロンプト作成(このスキル)→ 適切なクリップを効果的に演出する方法です。
- スキル内での活用 →
reels-scriptの veo-prompt-pack。
変化の速い分野です。モデル名や仕様は四半期ごとに再確認してください。
Veo を選ぶ場面…(用途に合わせる)
真価を発揮するのは、ネイティブな音声同期(セリフとリップシンク、効果音、環境音、音楽 — これが差別化要因です)、映画のようなリアリズムと物理表現、画像から動画への変換、参照画像による一貫性、最初/最後のフレームの制御、そしてネイティブな9:16縦型/4Kです。純粋なトーキングヘッド形式の解説動画には別のツール(→ heygenのようなアバターツール)、より低コストでのネイティブ4K/マルチショット/モーション転送には(→ kling)、HDR/雰囲気のあるムードショットには(→ luma)、長尺の連続動画には(クリップの連結/延長、または長尺向けツール)、高度にスタイライズされた出力/非常に大量の出力には別の手段を選んでください。あらゆる用途でデフォルトとして使わないでください。(詳細:references/when-and-how-to-prompt.md。)
ステップ 0 — ブランドと用途を確認する
brand-profile.md(ビジュアルスタイル、パレット、トーン)を読み込みます。用途(B ロール/製品の動き/フック用ビジュアル/スポークスパーソン/広告/静止画のアニメーション化)とアスペクト比(ソーシャル向けは9:16)を確認します。
ステップ 1 — ショットを演出する(品質を示す単語の羅列ではなく、自然言語で)
監督のようにショットを描写します。被写体 · 動作 · 場面 · カメラ(種類/動き/角度/レンズ) · 照明/ムード · スタイル · 音声 · タイミング。クリップごとに明確な動作を1つ設定します。9:16を指定します。ブランドに合わせます。references/when-and-how-to-prompt.mdを参照してください。
ステップ 2 — 強みを活かす:音声
Veo はネイティブな音声同期を一度の生成で実現します。具体的に記述してください。セリフは引用符で囲み(話者/口調も指定)、効果音、環境音、音楽のムードも指定します。ブランド用途では、生成音声を仮のガイドトラックとして扱い(最終版には実際に録音したナレーション/ライセンス取得済みの音楽を使用)、リップシンクを確認してください。映画のような雰囲気になるよう、カメラ/動きを演出します。references/audio-and-camera.mdを参照してください。
ステップ 3 — 入力、長さ、レシピ
- 画像から動画への変換: 静止画(例:
nano-bananaのフレーム)に動きを付けます。静止画は最初のフレームになり、動きと音声を記述します。一貫性/制御性を高めるには、参照画像/最初と最後のフレームを使用します。 - 長さ: 1回の生成で約8秒(4/6/8秒)です。最初の1秒でフックを作り、それ以上の長さにはシーン延長またはクリップの連結を使用します。短いビートで構成してください。
- 用途に応じたレシピ(B ロール、製品の動き、フック、スポークスパーソン、広告、静止画のアニメーション化)を選びます。
references/inputs-length-and-recipes.mdを参照してください。
ステップ 4 — 低コストで反復し、確認して、公開する
- 低解像度/Fast で反復してプロンプトを固め、最終版は高解像度/4Kで仕上げます(4Kは所要時間/コストが約40~60%増加します)。プロンプトに沿わない生成でもクレジットを消費します。プロンプト作成スキルがコストを左右します。動画生成は非同期です。
- 公開前にすべてのクリップを確認します(アーティファクト、リップシンク、物理表現)。
- プラットフォーム/地域の規定に従って AI 動画であることを開示します(EU AI Act、TikTok の自動開示)。すべてのクリップにはSynthIDの透かしが付いています。実際の映像として偽って公開しないでください。
- 公開: 統合ガイドに従って生成し、
scheduling-and-queueを使ってWoopSocial Media にアップロード → 添付します。WoopSocial は動画を生成しません。
品質基準 — セルフチェック
- 用途に合ったツールを選びましたか(トークヘッドや長尺動画は別のツールに振り分けましたか)?
- プロンプトは具体的なショット指定(被写体/動作/カメラ/照明/スタイル)で、ブランドの要素を反映し、9:16で、音声の指示が明示されていますか?
- 8秒のクリップを想定して計画し(最初にフックを入れる)、低コストで反復してから最終版を作成しましたか?
- 静止画の場合は、画像から動画を生成し(有用な場合は参照フレーム/最初と最後のフレームも使用し)ましたか?
- SynthID と開示、音声は草案として扱うこと、出力の検証、実在の人物/IP の拒否に対応しましたか?
- API と WoopSocial のフローについて
tools/integrations/veo.mdを案内しましたか(WoopSocial が動画を生成するとは述べていませんか)?
エッジケースと反論への対応
- トークヘッドの解説動画/セリフが多い → アバターツール(
heygen)を提案します。Veo を無理に使いません。 - 「40秒の動画を作って」 → 1回の生成につき約8秒です。シーンを延長/つなぎ合わせ、短いビートで計画します。
- 「音声付きの最終版を4Kで10パターン、今すぐ生成して」 → まず低コストで反復します。4K/音声は高コストで、処理は非同期です。
- 「人物、シネマティック、4K、すごい感じ」 → 具体的なショット指定(被写体/カメラ/照明/音声)に書き換えます。
- 実在の人物/著作権で保護された IP/「実際の映像として投稿して」 → 拒否します。SynthID と開示について説明し、オリジナルの代替案を提案します。
- 「WoopSocial で生成して」 → WoopSocial は生成しません。この指示で Veo に生成させた後、クリップを Media にアップロードして添付します。
関連項目
tools/integrations/veo.md— API/モデル ID、非同期の生成とポーリング、料金、WoopSocial へのアップロードフロー。reels-script(veo-prompt-pack)— このスキルを利用するスキルです。nano-banana— 画像を扱う関連スキルであり、画像から動画を生成する際のソースです。brand-profile— ビジュアルブランドです。hook-writer— クリップ内のフック/セリフです。heygen— アバター/トークヘッドの代替ツールです。ai-video— このスキルの上位にあるルーターです。kling(4K/マルチショット/動き)とluma(HDR/ムード、無音)— 生成系の関連ツールです。scheduling-and-queue— 動画を投稿に添付して公開します。
参考資料
references/when-and-how-to-prompt.md— Veo とほかのツールを使い分けるタイミング、ショット/プロンプトの構成。references/audio-and-camera.md— ネイティブ音声の強み(セリフ/効果音/環境音)と、カメラ/動きの指定。references/inputs-length-and-recipes.md— 画像から動画を生成する方法、参照フレーム/最初と最後のフレーム、8秒の上限と延長、ソーシャル向けのレシピ。references/examples.md— 弱いプロンプトから強いプロンプトへの書き換え、音声豊富なクリップ、画像から動画を生成する例、縦型フック、誠実なスコープ設定。