はじめに
SpicyAPI が Veo 3.1 Lite で提供する参照から動画：参照画像 1〜3 枚とプロンプトを送ると、音声付きの 8 秒 720p クリップが得られます。
| 項目 | 値 |
|---|---|
| 入力 | テキスト |
| 出力 | 動画 |
| 提供元 | |
| Google での位置づけ | プレビューモデル（2026 年 4 月 2 日から Google Cloud に掲載） |
| 長さ | 4・6・8 秒（参照モード：8 秒） |
| 解像度 | ここでは 720p：1280x720（16:9）または 720x1280（9:16）。Google は Lite の上限を 1080p としています |
| フレームレート | 24 fps |
| 音声 | すべてのクリップに生成。ここでは無音にする選択肢はありません |
主な機能とハイライト
写真一枚から、一連の動きまで
一枚の参照写真には、淡い水色のヴィンテージカーの横で道路地図を持つ男性が写っていました。プロンプトでは、地図を折り、空を見上げて、にっと笑うよう指定しました。8 秒で彼は地図を読み、折りたたんでしまい、頭をのけぞらせて笑いました。車、ジャケット、ガソリンスタンドは写真のまま保たれました。
最初と最後のフレームを下書き価格で
Veo 3.1 と Gemini Omni 1.1 Flash に送ったのと同じ開始・終了フレームを、6 秒 $0.27 で作りました。彼女は望遠鏡から振り向き、腕を組み、最後のフレームと同じく手すりにもたれて終わりました。
プロンプトの手早い確認
天文台のプロンプトを 4 秒で作りました。ドームのシャッターはサボテンのある砂漠の尾根の上で大きく開き、カメラは手すりに沿って前進し、真鍮の望遠鏡が見えてきました。より高い段階にお金をかける前に、構図、光、動きを判断するには十分です。
縦の写真を入れると、縦の動画が出てくる
人物の縦写真を開始フレームにし、アスペクト比は自動のままにしたところ、クリップは 720x1280 で返ってきました。彼女は 4 秒以内に見上げ、微笑み、カメラへ視線を戻しました。
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。Image 1、Image 2、Image 3 のどの部分が登場するか、何が起こるか、カメラがどう動くかを書いてください。 1 文字以上 · 4000 文字以内 |
reference_image_urls | はい | 必須。見分けがつくよう残したいものの画像を 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 | このモードでは常に 8 秒で、$0.36 です。 |
料金
8 秒のクリップ単位で $0.36 が課金されます。参照画像の枚数とアスペクト比は料金に影響しません。リクエストが失敗または拒否された場合、料金はかかりません。
| 仕様 | 料金 |
|---|---|
| $0.36 / リクエスト |
ユースケース
大きなレンダリングの前にプロンプトを確かめる
Lite で $0.18 のうちに固めたプロンプトは、モデル名だけを替えて Veo 3.1 Fast や Veo 3.1 に送れます。テキストから動画と画像から動画のリクエスト項目は、3 つのティアで共通です。
1 つの案を何通りも試す
カメラワーク、光、言い回しを変えて 4 秒ずつ試せます。4 秒の下書き 10 本は $1.80 で、Veo 3.1 の 6 秒 1 本（$2.16）より安く、100 本でも $18 です。
写真をまとめてアニメーションにする
アスペクト比を自動にすると、画像から動画は写真ごとの形に合わせます。縦の写真は縦、横の写真は横の動画になります。
参照を軸にしたカットを試す
SpicyAPI では Lite でも参照から動画を使えます。1〜3 枚の画像から 8 秒のクリップを $0.36 で作ります。Google のドキュメントには Lite の参照画像の記載がないため、ワークフローに組み込む前に結果を参照画像と見比べてください。
プロンプトガイドと実践のヒント
一連の動きまで書く
Lite は、8 秒の参照クリップで「地図を折る、見上げる、笑う」という 3 段階の動きをたどりました。手順を順番に並べ、1 つにつき 2〜3 秒ほどを見込んでください。
写真にはアスペクト比を自動に
画像から動画では、自動にすると最初のフレームの形が保たれ、16:9 や 9:16 を選ぶとその形に切り抜かれます。
音の指定を足す
プロンプトの最後に「Sound:」と聞かせたい環境音を書き、話す言葉は引用符で囲みます。音声はどのクリップにも付き、追加料金はありません。
下書きが当たってから上位へ
下書きがうまくいったら、通常の制作なら Veo 3.1 Fast（4 秒 $0.36）、忠実度を最優先するなら Veo 3.1（$1.44）に同じリクエストを送ります。変えるのはモデル名だけです。
概要
Veo 3.1 Lite 参照画像から動画 は、人物・商品・場所の画像を 1〜3 枚受け取り、それを軸に音声付きの 8 秒 720p クリップを作ります。このページで SpicyAPI が提供するモードで、Google のドキュメントでは Veo 3.1 Lite の参照画像は非対応とされています。そのため、結果は毎回ご自身の画像と見比べてください。Google が記載する参照画像モードを使いたい場合は Veo 3.1 Fast を選びます。Google は生成前にプロンプトと画像を確認し、拒否されたリクエストは失敗となって課金されません。
Veo 3.1 Lite クリップのほかの始め方
- 文章で書いたシーン：Veo 3.1 Lite テキストから動画
- 手元の最初のフレーム（任意で最後のフレーム）：Veo 3.1 Lite 画像から動画
- 残したい写真（Lite に SpicyAPI が加えたモード）：Veo 3.1 Lite 参照画像から動画 (現在のページ)
- 続きを作るクリップ（セグメントをつなぐ SpicyAPI のモード）：Veo 3.1 Lite 動画の延長
プロンプトのコツ
- 画像は、アップロードした順に Image 1、Image 2、Image 3 と呼んでください。
- 1 枚に被写体が 1 つの、きれいで明るい写真を選びます。
- 画像は見た目を、プロンプトは動きを決めます。それぞれの被写体が何をするかを書いてください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/veo-3.1-lite/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 8,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$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。