veo-3.1-prompting

Veo 3.1 プロンプト作成

主な機能

Veo 3.1 は、ネイティブな音声合成と高度な物理的リアリズムを備えた動画を生成します。主な仕様は次のとおりです。

• 解像度：720p、1080p、または 4K
• アスペクト比：16:9（横向き）または 9:16（縦向き）
• 長さ：1 回の生成につき 4、6、または 8 秒（最低 8 秒として課金）
• フレームレート：24 FPS（映画の標準）
• ネイティブ音声：動画と同期した台詞、環境音、音楽
• 参照画像：キャラクターやスタイルの一貫性を保つため、最大 3 枚（「Ingredients to Video」）
• 高度なコントロール：最初／最後のフレーム補間、複数ショットの物語向けタイムスタンププロンプト

5 つの要素からなる公式

すべてのプロンプトは、次の順序で構成します。

［撮影技法］＋［被写体］＋［動作］＋［状況］＋［スタイルと音声］

例：

年季の入った漁師が木製の桟橋で網を繕う姿を追うトラッキングショット。ゴールデンアワーの太陽が索具の間から差し込み、レンズフレアを生む。空気中に潮しぶきが見える。映画のような 35mm フィルム粒子。音：カモメの鳴き声、きしむロープ、穏やかな波。

**重要：**カメラの動きから始めてください。Veo 3.1 はプロンプトの先頭にあるトークンを重視します。

1. 撮影技法の指定

必ず最初に、ショットの種類、カメラの動き、レンズの特性を指定してください。

ショットのフレーミング

• Extreme close-up、Close-up、Medium shot、Wide establishing shot
• Over-the-shoulder、POV、Bird's eye view、Worm's eye view

カメラの動き（camera-techniques.md を参照）

• 直線的な動き：Dolly in/out、Tracking shot、Pan、Tilt、Truck
• ダイナミックな動き：Handheld、Gimbal smooth、Whip pan、Rack focus
• 空撮：Drone descending、Orbit clockwise、Crane up

レンズとフォーカス

• Shallow depth of field with creamy bokeh
• Deep focus everything sharp
• Anamorphic lens with horizontal flares
• Macro lens for extreme detail

2. 被写体の指定

一貫性を保つため、被写体を視覚的に詳しく描写します。

キャラクターの特徴（複数のクリップ間で一貫性を保つために必須）

• 身体的特徴：「高齢の男性。短く刈り込んだ銀髪。左眉の上に傷のある風化した顔」
• 服装：「色あせたネイビーのピーコート。真ちゅうのボタンは黒ずみ、ウールのマフラーにはフリンジが付いている」
• 目立つ特徴：「赤縁の眼鏡」「前腕に錨のタトゥー」「金の懐中時計のチェーン」

物体の詳細

• 素材と状態：「指紋の跡が付いたブラッシュドチタン」「使い込まれて風合いのあるレザー」
• 接触部分：「陶器の縁から立ち上る湯気」「冷たいグラスに付いた結露の粒」

3. 動作と物理

物理的な相互作用が伝わる動的な動詞を使います。

• 動きの質：strides confidently、shuffles nervously、explodes outward、cascades smoothly
• 物理の指標：realistic water displacement、accurate gravity、cloth simulation、hair physics
• 時間の指標：gradually accelerating、suddenly freezing、continuously swirling

物理表現の強み：流体力学、炎や煙、布の動き、粒子システム（ほこり、雪、火花）。

4. 状況と雰囲気

環境とムードを設定します。

ライティング

• 時間帯：dawn blue hour、golden hour、harsh midday、neon-lit night
• 光の質：volumetric god rays、chiaroscuro shadows、soft diffused overcast、practical lamp light
• 効果：lens flare、bloom、atmospheric haze

環境

• 空間：cramped interior、vast open landscape、claustrophobic corridor
• 天候：rain-streaked windows、fog-choked streets、snow-dusted

5. スタイルと音声合成

ビジュアルスタイル（style-reference.mdを参照）

• ジャンル：cinematic noir、BBC Earth documentary、Pixar 3D animation、vintage 16mm
• 色：teal and orange blockbuster grade、bleach bypass desaturated、vibrant anime saturation
• 質感：film grain 35mm、digital sharpness、VHS tracking lines

ネイティブ音声（audio-synthesis.mdを参照）

• セリフ：「滑らかなバリトンの声：『荷物が届きました。』」
• 環境音：「コーヒーショップのざわめき、ソーサーに置かれる陶器のカップ」
• 効果音：「心地よいメカニカルキーボードの打鍵音」、「金属が滑り、ロックされる音」
• 音楽：「クレッシェンドに向けて高まる緊迫した弦楽器の音楽」、「80bpmのローファイ・ヒップホップのビート」

音声同期のヒント

• セリフのタイミング：「2秒の時点でキャラクターが話す」
• 動きに合わせる：「カメラが前進するにつれて音楽が盛り上がる」
• 音を重ねる：「ベースとなる環境音、次に特定のフォーリー、最後にセリフ」

高度なワークフロー

画像素材から動画を生成（キャラクターの一貫性）

複数のクリップにわたってキャラクターを維持する場合に使用します。

1. 参照画像を1～3枚アップロードします（キャラクターの顔、衣装、環境）
2. プロンプトの構成：「参照画像と同じ女性が、今度は雨の降る東京の街を歩いている。赤いレザージャケットとボブヘアを維持する。」
3. 特徴を一貫させます：「頬の同じ傷、同じ金色のフープピアス」

最初と最後のフレーム間の補間

具体的なトランジションを作成します。

1. 開始時の状態を説明します：「マホガニーのデスクに置かれた封のされた封筒」
2. 終了時の状態を説明します：「開いた封筒、手紙が半分ほど引き出され、手書きの文字が見えている」
3. Veoが状態間の滑らかな8秒間のトランジションを生成します
4. 用途：何かを明らかにする演出、変形、ポータルを通過するカメラ移動

タイムスタンプによるプロンプト指定（マルチショットの物語）

物語を制御するため、8秒間を正確な区間に分割します。

• 0-2s： 誰もいない砂漠のハイウェイをワイドショットで撮影し、陽炎が立ち上る
• 2-4s： オートバイの速度計の針が上昇する様子をクローズアップ
• 4-6s： ライダーがカーブに身を傾け、砂煙を引きながら進む様子をトラッキングショットで撮影
• 6-8s： オートバイが夕日に消えていく様子をワイドショットで撮影し、エンジン音が遠ざかる

モデルの選択

モデル	速度	用途
veo-3.1-generate-001	標準	高品質な商用コンテンツ、最終納品
veo-3.1-fast-generate-001	高速	素早い反復作業、ソーシャルメディア用のドラフト、構図のテスト

構造化プロンプト（JSON）

複雑な商用ワークフローでは、JSON構造を使用します。

{
  "project_meta": {
    "aspect_ratio": "16:9",
    "resolution": "1080p",
    "model": "veo-3.1-generate-001"
  },
  "scene": {
    "cinematography": "Macro lens, slow orbit 360 degrees",
    "subject": "Artisan coffee cup, steam rising in spiral patterns",
    "action": "Hand enters frame, gentle grip, lifting slowly",
    "context": "Minimalist white studio, softbox lighting from above",
    "style": "Premium commercial aesthetic, shallow depth of field",
    "audio": "Ceramic on ceramic sound, gentle sip, ambient cafe hum"
  },
  "timeline": [
    {"time": "0-3s", "focus": "Product detail, steam physics"},
    {"time": "3-6s", "focus": "Hand interaction, human element"},
    {"time": "6-8s", "focus": "Logo reveal, satisfying audio punctuate"}
  ]
}

技術的な制約

• プロンプトの上限： 2,000文字
• 画像入力： 画像素材から動画を生成する場合、最大20MB（JPEG/PNG）
• 音声： ネイティブに生成するか、ポストプロダクションで追加します。Veoの音声は、明瞭で短いセリフ（最大1～2文）に最適です
• テキスト描画： Veoは読みやすいテキストの描画が苦手です。重要なテキストのオーバーレイは避けるか、「様式化された判読不能なテキスト」と指定してください
• 同時リクエスト： 1リージョンあたり毎分50件（無料枠）

トラブルシューティング

問題	解決策
動きがぼやける	「鮮明なモーションキャプチャ、1/1000秒のシャッターで動きを止める」または「240fpsのスローモーション」を追加します
キャラクターに一貫性がない	参照画像を使って画像素材から動画を生成し、特徴的な服やジュエリーでキャラクターを固定します
意図しない変形	剛性を指定します：「固体の形状を維持」、「変形なし」。ネガティブプロンプトも使用します
物理表現が不自然	「リアルな物理表現」、「正確な重量と運動量」を明示します
音声が同期しない	タイムスタンプを指定します：「2秒でセリフ開始」、「4秒で衝撃に音を合わせる」
照明が平坦	コントラストを指定します：「ドラマチックなサイドライト」、「深い影」、「輪郭を際立たせるリムライト」
構図がつまらない	動きのあるカメラワークを最初に指定します：「素早いパン」、「迫力のあるトラッキングショット」、「急速なドリーイン」

参照資料を読み込むタイミング

タスク	リソース
カメラワークの用語	camera-techniques.md
ビジュアルスタイルとカラーグレーディング	style-reference.md
ジャンル別テンプレート	prompt-patterns.md
音声生成の手法	audio-synthesis.md
コピー＆ペースト用テンプレート	assets/prompt-templates/

---

Veo 3.1 のカメラワーク

Veo 3.1 は映画的な文法とカメラワークに優れています。正確な用語を使うことで、動きをより細かく制御できます。

動きの種類

直線的な動き

用語	説明	最適な用途
Dolly in/out	被写体に近づく／離れるカメラの物理的な移動	感情的な瞬間を明かす、焦点の移動
Tracking shot	被写体と平行にカメラが移動	被写体を追う、ダイナミックなアクション
Truck left/right	水平方向への横移動	環境を見せる
Pedestal up/down	アングルを変えずに垂直移動	高さを強調して見せる
Crane up/down	大きく弧を描く垂直移動	壮大なスケール感を見せる
Push-in	遠近感を保ちながらズーム	場面の緊張感を高める

回転する動き

用語	説明	最適な用途
Pan left/right	固定位置での水平方向の回転	風景を見渡す、動きを追う
Tilt up/down	固定位置での垂直方向の回転	高さを見せる、縦長の被写体
Orbit clockwise/counter-clockwise	被写体の周囲を360°円形に移動	製品を見せる、ドラマチックに取り囲む
Dutch angle	傾いた水平線	混乱、緊張感、様式化されたアクション

ダイナミックなテクニック

用語	説明	最適な用途
Handheld	わずかに自然な揺れ	ドキュメンタリーのようなリアリティ、緊迫感
Gimbal smooth	安定した滑らかな動き	映画的な追従、ラグジュアリーな美しさ
Whip pan	被写体間を高速でぼかして切り替える	活気、シーン転換
Rack focus	前景と背景の間で焦点面を移動	物語上の焦点移動、奥行きの強調
Slow push-in	カメラをゆっくり前進させる	思索的で親密な瞬間

ショットのフレーミング階層

カメラワークの前にフレーミングを指定します。

• Extreme close-up — 細部のみ（目、質感）
• Close-up — 頭部と肩
• Medium shot — 腰から上
• Wide shot — 環境を含む被写体全体
• Extreme wide/Establishing — 環境を中心に見せる
• Over-the-shoulder — 会話シーン
• POV (Point of view) — 没入感のある視点
• Bird's eye view — 真上からの視点、距離感
• Worm's eye view — 見上げる視点、力強さ／威圧感

速度と時間の修飾語

• Slow-motion 240fps — 滑らかで詳細な動き
• Real-time 24fps — 自然な動き
• Time-lapse — 雲や建設など、時間を圧縮
• Hyperlapse — 移動しながらのタイムラプス
• Staccato/jerky motion — 不規則で機械的な、ホラー向けの動き

レンズの特性

光学的な個性を制御するために指定します。

• Anamorphic lens — 水平方向のフレア、楕円形のボケ、映画的な横幅
• Wide angle 16mm — 歪み、広がりのある空間
• Telephoto 85mm — 圧縮された空間、ポートレートのような視点
• Macro lens — 極端な近接撮影、浅い被写界深度
• Fisheye — 球面状の歪み、極端な広角
• Vintage lens — 柔らかさ、色収差、独特の味わい

組み合わせの例

目のクローズアップ、ゆっくり前進、虹彩の反射へラックフォーカス、アナモルフィックフレア

ワイドのエスタブリッシングショット、雲の中をクレーンで下降して山間の谷を見せる、ゴールデンアワーの照明

混雑した市場を進む被写体を追う手持ちのミディアムショット、街路標識へホイップパン