はじめに
Veo 3.1 Fast の参照画像から動画：1〜3 枚の参照画像とプロンプトを入れると、音声付きの 8 秒・720p クリップが返ります。
| 項目 | 値 |
|---|---|
| 入力 | テキスト |
| 出力 | 動画 |
| 提供元 | |
| 長さ | 4、6、8 秒（参照画像を使うと常に 8 秒） |
| 解像度 | 720p（16:9 は 1280x720、9:16 は 720x1280） |
| アスペクト比 | 16:9、9:16 |
| フレームレート | 24 fps |
| 音声 | すべてのクリップに生成 |
主な機能とハイライト
一枚の写真の人物を、別の写真の場所に入れる
画像 1 はガソリンスタンドにいるデニムジャケットの男性、画像 2 は夜の天文台でした。プロンプトでは、画像 1 の男性が天文台まで歩き、ドアをノックして手を振るように指定しました。8 秒で 3 つすべてをこなし、顔、髪、ジャケットは同じままでした。画像 2 にいた女性は現れませんでした。
一度のよどみない寄り
1 枚の開始フレームと「Slow push-in」の指定から、カメラはカットなしで 8 秒かけて寄っていきました。ドームの引きの絵から、ミディアムクローズアップまで。彼女は望遠鏡から振り向き、腕を組んで、星が増えていく中で微笑みました。
指示どおりに動くカメラ
Veo 3.1 で試したのと同じ天文台のプロンプトを、4 秒の 16:9 のショットにしました。盛り上がった歩道をドームに向かって進むショットで、カメラは指示どおり前進し、真鍮の望遠鏡が開口部へ振れていきました。
決める前に段階を比べる
2 文の紙の舟のプロンプトを Veo 3.1 と Fast の両方に送りました。Veo 3.1 は葦を手前にして水面の高さから撮影しました。Fast は舟を太陽の反射の中央に置き、そのまわりに波紋が広がりました。プロジェクトで段階を決める前に、いくつかのブリーフを両方で試してください。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 必須です。Image 1、Image 2、Image 3 から何を使うかを書き、続けて動きとカメラワークを書いてください。 1 文字以上 · 4000 文字以内 |
reference_image_urls | はい | 必須。残したい人物、商品、場所の画像を 1〜3 枚。 1 件以上 · 3 件以内 |
aspect_ratio | いいえ | 16:9（既定）または 9:16。料金は変わりません。 |
duration_seconds | いいえ | このモードでは 8 秒固定です。 |
料金
8 秒クリップ 1 本分の料金です。参照画像の枚数やアスペクト比で料金は変わりません。失敗または拒否されたジョブは無料です。
| 仕様 | 料金 |
|---|---|
| $0.72 / リクエスト |
ユースケース
広告や SNS 投稿のまとめ作り
1 本あたりの価格が低いので、9:16 のバリエーションを一度にまとめて作れます。4 秒のクリップ 10 本で $3.60、音声込みです。
複数のクリップで同じキャラクターや商品
1〜3 枚の参照画像を送り、プロンプトでは Image 1、Image 2、Image 3 と呼んでください。当社のテストでは、画像 1 の顔とジャケットが新しいシーンに引き継がれました。
撮影現場のフレームで始まり終わる絵コンテ
画像から動画は開始フレームと任意の終了フレームを受け取るので、シーケンスの各ショットを、計画どおりの始まりと終わりに合わせられます。
8 秒を超えるシーン
動画延長でクリップを続けてください。最後のフレームから新しい 4〜8 秒のセグメントが始まり、料金は画像から動画の価格で、元のクリップには課金されません。
プロンプトガイドと実践のヒント
参照は番号で指す
アップロードした順に、たとえば「Image 1 の男性」「Image 2 の天文台」のように書いてください。それぞれの役割を述べます。画像は見た目を決め、プロンプトは動きを決めます。
参照は見せたいものに切り抜く
できる限り、1 枚の画像につき被写体は 1 人にしてください。当社のテストでは、Fast は参照画像にいたもう 1 人を入れませんでしたが、他のモデルはすべてを取り込むことがあります。
カメラと音を書く
「Slow push-in」や「Handheld medium shot」のような一つの動きを指定し、「Sound: footsteps on gravel, a metallic knock」のような一行を加えてください。話す言葉は引用符で囲みます。
4 秒で試し、8 秒で仕上げる
4 秒のクリップは $0.36 なので、言い回しを何通りも試せます。うまくいったら 8 秒で生成するか、最終版を Veo 3.1 に送ってください。参照クリップは最初から 8 秒で $0.72 です。
概要
Veo 3.1 Fast 参照画像から動画 は、最大 3 枚の画像にある人物、商品、場所を、音声付きの新しい 8 秒 720p クリップに持ち込みます。Google の Veo 3.1 自体も参照画像に対応していますが、SpicyAPI ではこのモードを Fast と Lite で提供しています。同じ被写体を何本ものクリップに登場させたいときは Fast が使いやすい Veo ティアです。Google はまずプロンプトと画像を確認し、拒否されたリクエストは失敗となり、課金されません。
Veo 3.1 Fast のほかのモード
- 言葉のアイデアだけなら、テキストから動画がプロンプトだけでシーンを作ります。
- 静止画から始めるなら、画像から動画が最初のフレームを動かし、最後のフレームで終わらせることもできます。
- すでに映像があるなら、動画の延長が最後のフレームからクリップの続きを作ります。
プロンプトのコツ
- 画像はアップロードした順に Image 1、Image 2、Image 3 と呼びます。
- 1 枚に被写体が 1 つだけの、明るくきれいな画像を選んでください。
- 被写体ごとに何をするかを書きます。画像が見た目を、プロンプトが動きを決めます。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/veo-3.1-fast/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 8,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。