音声付きVeo 3動画:実践的なプロンプトとレビューガイド
3つのオリジナルプロンプト、ショットのワークシート、出力をレビューするためのチェックリストを使って、セリフ、環境音、効果音を含むVeo 3クリップを計画しよう。
このページの更新情報
- — 記事を公開しました。

Watch the illustrated guide
Original illustrated planning guide with English on-screen text and captions. No audio. Not a product recording or generation test.
English transcript
Original code-rendered planning illustration. No audio. English text appears on screen; not a product recording or tested generation. 0-4s: Plan one cafe shot. One fictional cafe owner. Places one mug on the counter. Steady medium view. Start with one visible action and a readable composition. 4-8s: Assign the spoken line. Owner speaks one short line. No competing speakers. Keep the voice in the foreground. Dialogue direction is a brief, not a promise of exact output. 8-12s: Tie sound to an event. Soft cup contact. Faint room ambience. No music for this example. Check whether the sound occurs near the visible contact. 12-16s: Review video and audio separately. Action, face and hands. Words, timing and unwanted sound. Final crop and downloaded file. Original prompt examples are not hands-on test results.
Veo 3は、セリフや効果音を含む音声付きの動画を生成できます。ソーシャル向けクリップでは、これにより音声の短い部分がシーンの一部となります。誰が話すのか、何を言うのか、そして視聴者がその周囲で何を聞くべきか、ということです。良い出発点となるタスクは、いくつものシーン展開を伴うミニチュア映画ではなく、1つの読み取れるアクションと1つの短いセリフです。
このガイドでは、そのタスクを計画し評価する方法を説明します。公式のプロンプティングガイダンスと独自のサンプルブリーフに基づいており、実践的なレビューやベンチマークではありません。生成する前に、Veo動画ワークスペースでモデルのバージョンと利用可能な設定を確認してください。Veo 3に関するブログがあるからといって、現在提供されているすべてのモデルが同一のコントロールを備えているわけではありません。
ネイティブ音声がプロンプトに与える変化
視覚的なアクションと聞こえるイベントを一緒に書きます。陶器のカップがテーブルに置かれるなら、その動きと柔らかな接触音の両方を描写します。人物が話すなら、話者を特定し、セリフを背景の環境音から切り離します。そうでなければ、モデルは長い段落のどの部分が音になるべきかを推測しなければなりません。
Google DeepMindの公式Veoプロンプトガイドでは、セリフと音声の演出について説明されています。これは能力に関するガイダンスとして扱うべきもので、あなた自身のシーンで成功した結果の証拠ではありません。実際の出力は映像を見て音を聞く必要があります。
6項目のショットワークシートを使う
| 項目 | 決めること | 例 |
|---|---|---|
| 被写体 | 誰、または何が最も重要か? | 架空の大人の店主1人 |
| アクション | 一度だけ何が起きるか? | カウンターにマグカップを置く |
| 設定 | 場所を何で確立するか? | 開店前の静かな近所のカフェ |
| カメラ | どの視点がアクションを説明するか? | 固定の中景ショット |
| セリフ | 誰がどの短いセリフを言うか? | 店主:「いつもので、準備できたらお知らせしますね。」 |
| 音 | セリフの周囲に何があるべきか? | カップの柔らかな接触音とかすかな室内の環境音 |
アスペクト比、長さ、解像度は、選択したモデルが実際に提供するコントロールを通じて追加してください。利用できない設定を文章で言及しても、サポートされるようにはなりません。記事に載っている古い価格に頼らず、現在のクレジット見積もりを確認してください。
3つのオリジナルVeo 3プロンプト例
これらのプロンプトは、このガイドのためにテストとして実行されたものではありません。架空のシナリオとオリジナルのセリフを使用しています。実際の入力モードと出力設定に合わせて調整してください。
1. 音源が見えるカフェの挨拶
架空の大人のカフェ店主が緑のエプロンを着け、静かな近所のカフェで木製カウンターに陶器のマグカップを1つ置く。固定の目線の高さの中景ショット、暖かな朝の光、1つの連続したアクション。店主はカメラの方を向いて「いつもので、準備できたらお知らせしますね」と言う。音声:カップがカウンターに触れる柔らかな陶器の音と、かすかな室内の環境音。声はクリアに保ち、音楽や他の話者は入れない。
このブリーフはカップの音に目に見える原因を与え、セリフを1人に限定しています。カップの音が実際の接触付近で起きているか、セリフが聞き取れるかを確認してください。これらは評価基準であり、予測スコアではありません。
2. ナレーションなしの製品ディテール
きれいなテーブルトップ上の、ブランドのないキャンバス製トラベルバッグのクローズビュー。片手がゆっくりとジッパーを開け、上部を折り返して、きちんと詰められたセーターを見せる。固定カメラ、柔らかなサイドライティング、シンプルな背景。音声:はっきりしたジッパーの音と布地のかすかな擦れ音。セリフ、音楽、ラベル、追加のシーン展開はなし。
アクションと音が同じ特徴を支えています。バッグが検証済みの容量、素材、性能を持つ実在製品であると主張することは避けてください。生成されたシーンはそれらの事実を確立しません。利用可能なモードが対応している場合は、許可された実在の製品リファレンスを使用し、正確性は別途確認してください。
3. 短い架空の天気ジョーク
架空の大人の庭師が、小雨の後にうなだれた1本のヒマワリのそばに立つ。固定の中景、曇りの庭、控えめな表情。庭師は花をちらりと見て「私たち、二人とも静かな朝が必要だったね」と言う。音声:軽い水滴の音と遠くの鳥の声、声は前景に。話者は1人、背景の会話や音楽はなし。
ユーモアは、人物と花の間の小さな関係に依存しています。余分な人物やドラマチックなカメラの動きは、そのビートから注意をそらす可能性があります。セリフが慌ただしく感じられるなら、選んだ長さに無理に言葉を詰め込むのではなく、短くしてください。
セリフと環境音を競合させない
まずは話者1人から始めます。後で別の人物を追加する場合は、各セリフを直接割り当ててください。穏やか、明るいなどの声の質を描写しても、特定の実在人物の声を約束してはいけません。言葉がメッセージを担う場合は、背景ノイズを静かに保ちます。
ヘッドホンとスマートフォンのスピーカーの両方で聞いてください。あるデバイスでは聞き取れるセリフが、別のデバイスではマスクされることがあります。発音、欠けた言葉、余分な声、不要な音楽を確認します。ネイティブ音声機能があっても、音声レビューや後での編集が不要になるわけではありません。
キャプションが重要な場合は、実際の音声出力に対して準備し確認してください。画面上のテキストを生成器に求めることは、正確なキャプションファイルや編集者のテキストレイヤーの信頼できる代替にはなりません。正確な綴りが必須な場合は、重要なソーシャル用コピーや行動喚起を生成クリップの外に置いてください。
小さなスコアカードで結果をレビューする
| 質問 | 何に基づいて維持または修正するか |
|---|---|
| アクションはすぐに読み取れるか? | 被写体と主なイベントが説明なしで見える |
| セリフは意図した人物のものか? | 話者、言葉、目に見える口の動きが許容範囲 |
| 効果音は目に見えるイベントと一致するか? | 接触音が対応するアクションの近くで起きる |
| フレームは全体を通して使えるか? | 顔、手、物体、背景が許容範囲に保たれる |
| 最終的なクロップに耐えられるか? | 必須情報が公開フレーム内に残る |
| メッセージは正確か? | 生成された主張が検証済みの製品事実と誤認されない |
プロンプト、表示されたモデルバージョン、選択した設定、出力を一緒に保存します。一度に1つの意図的な変更を比較します。入力と出力が記録されていなければ、魅力的なクリップは一例であり、モデルの信頼性の証拠ではありません。
試すべき一般的な修正
話者が違う: シーンを1つの声に減らし、セリフを明示的に特定します。音が過多: 音楽と競合する効果音を削除します。文が慌ただしい: 言葉を短くするか、適切な対応長を選びます。アクションが混乱している: 複数のイベントを1つに置き換えます。映像は良いが音声が悪い: 別の完全な生成よりも外部編集の方がタスクに適するか評価します。
これらは提案された修正であり、テスト済みの保証ではありません。タスクがまだ処理中なら、再送信する前にステータスを確認してください。完了した場合は、冒頭のフレームではなく完全なファイルを判断してください。
SocialImageでの始め方
Veoエントリーを開き、現在のモデルと音声設定を確認し、上記のブリーフを1つ選んでください。料金で利用可能な購入オプションを確認し、送信前に実際の見積もりを確認してください。成功を平易な言葉で説明できる1つのシーンから始めましょう。1つの明確なアクション、1つの聞こえるイベント、使用できるフレームです。