01 基本公式
Veo 3.1 は構造化された演出指示を理解します：誰が、何をするのか、カメラはどう動くか、どこで、どんな音が聞こえるか。この章では良いプロンプトを5つの再利用可能なパーツに分解します——5つ目が「音」であることに注目してください。Veo の動画には必ず音声が付く以上、音の書き方は選択科目ではなく必修科目です。
1.1 基本プロンプト公式
すべては一文から始まります：主体と動作が必須の2ピースで、カメラ・環境・音は必要に応じて重ねます。Veo 3.1 の長さは8秒固定——制約ではなく叙事の単位として捉えましょう。8秒はちょうど1つの完全なビート（1つの主体・1つのコアアクション・1種類のカメラワーク）を演じ切れる長さです。書き始める前に自問してください：この8秒で起きることが1つだけだとしたら、それは何か？欲張って2つ目の動作を詰め込むと、たいてい両方とも中途半端になります。
[主体] + [動作] + 任意 [カメラ] [環境] [音]
主体
画面の主役——人物・動物・商品。具体的であるほど良い。
動作
主体が何をするか。体の部位と速さ・強弱まで書く。8秒にコアアクションは1つ。
カメラ
構図とカメラワーク：クローズアップ、プッシュイン、ドリー——1カット1動作。
環境
シチュエーションと雰囲気：場所、時間帯、光、天気。
音
効果音・セリフ・音楽——Veo の動画には必ず音声が付く。書かなければモデルの即興になる。
漁港の朝日
プロンプト
早朝の漁港。数隻の木造漁船がうねりに合わせてゆったり揺れ、笠をかぶった老漁師が船首に立ち、腰をかがめて濡れた網を一巻きずつ引き上げている。桟橋の低い位置からカメラがゆっくりと漁船に寄っていき、金色の朝日が海面に広がる。音：波が船体を優しく打つ音、かすめ飛ぶカモメの鳴き声、網から滴る水の音、遠くでディーゼルエンジンが低く唸る音。
主体＋動作の2文から始め、カメラと環境を1文ずつ足し、最後に音を指名——これで合格点の Veo 基本プロンプトです。推奨：1080p・16:9。
1.2 カメラワークの言語
カメラ用語は Veo 3.1 の得意分野です：プッシュイン、引き、ドリー／追跡、周回、クレーン——いずれも忠実に実行されます。鉄則はひとつ。8秒の1カットに指定するカメラワークは1種類だけ。寄り・周回・パンを一度に積めば、画面が流れるだけの映像になります。カメラ用語は文頭でも文末でも構いませんが、1クリップにつき1つです。
朝の市場をドリーで横切る
プロンプト
早朝の青空市場。カメラが並ぶ屋台に沿ってゆっくりドリー移動していく：竹かごには露を帯びた青菜、店主が蒸し籠の蓋を開けると白い湯気が立ちのぼり、年配の女性がトマトを選んで布の袋に入れている。帆布のテントの隙間から朝日が斜めに差し込み、光の筋に細かな塵が舞っている。音：重なり合う行商の呼び声、ビニール袋のざわめき、蒸し籠の蓋が開く湯気の音——にぎやかで生活の息づかいが感じられる。
「カメラが〜に沿ってゆっくりドリー移動」がドリーの最も安定した書き方。通り過ぎる順に3つの光景を並べます。8秒ではドリーの1種類だけ。
1.3 スタイルコントロール
スタイル語は作品全体の画調を決める要素で、位置は自由ですが省略はできません：「シネマ感」「3Dアニメ」「水彩イラスト」「ストップモーション」「ドキュメンタリー手持ち」はすべて的中率の高い語です。スタイルは内容と整合させて——折り紙の世界の音は紙のざわめきであるべきです。映像と音を同じスタイルで書いて初めて、仕上がりはひとつの完結した世界になります。
折り紙の森の鹿
プロンプト
折り紙でできた世界：折り重なる紙の木々の森から、折り紙の子鹿が顔を出し、折り紙の花に鼻を近づけて匂いを嗅ぎ、顔を上げると紙の耳がひらりと揺れる。カメラはゆっくり子鹿の横顔に寄っていく。ストップモーション風の質感、柔らかなスタジオ照明、紙の繊維がはっきり見える。音：紙が擦れ合う繊細な音、軽やかで遊び心のある木琴のスコア——しかけ絵本を開いたような世界。
「ストップモーション風＋紙の質感」で画調を決め、音も紙のざわめきと木琴で合わせる——映像と音でひとつの世界観。推奨：1080p。
02 ネイティブ音声
音声常時オンは Veo 3.1 の最大の売りです：すべての動画に音が付き、オフにするスイッチはなく、アフレコも不要——効果音・セリフ・音楽が映像と同時に生成され、自動でシンクします。つまり音の書き方は Veo プロンプトの必修スキル。具体的に書くほど狙い通りになり、何も書かなければモデルの即興になり——望む雰囲気とは限りません。この章では音を効果音・セリフ・音楽の3つに分け、順に書き方を掘り下げます。
2.1 効果音デザイン
効果音の書き方は「指名＋レイヤー」：欲しい音を一つずつ挙げ、近景と遠景の主従を指定します——近くの主音を先に、細部の音を真ん中に、遠景の下地を最後に。オノマトペと音源をセットで書くと効果的です：「雷がある」より「雷が轟く」、「雨の音」より「雨粒がトタン屋根を叩く」が的中します。
嵐が来る森
プロンプト
嵐の中の針葉樹林。強風が樹冠を一方になぎ倒し、稲妻が暗い空を切り裂き、大粒の雨がシダの葉を打ち、山の沢が岩の間を激しく流れている。林間の低い位置に固定カメラ、稲妻のたびに画面が明るく燃え上がる。音：近くで雨粒が葉を密に叩く音、森を渡る風の唸り、沢のせせらぎ、そして頭上で落雷が轟き、雷鳴がだんだん遠ざかっていく。
音は「近くの雨 → 風と沢 → 雷が近から遠へ」とレイヤーで指名し、雷には起承転結まで書きました。8秒は雷ひとつの完全な過程にちょうどの長さです。
2.2 キャラクターのセリフ
セリフの書き方は「引用符に一字一句＋話者の指名＋話し方」：セリフは引用符に正確に書き、話者は外見の特徴で示し、「笑いながら」「小声で」などの話し方を添えます。リップシンクは自動——8秒に入るのは短いセリフ1〜2つ。短いほど口元と発音が安定します。長い会話は2本に分けるのが確実です。
シェフの味見
プロンプト
レストランの厨房。濃い色のエプロンを着けた中年のシェフがスープをひと匙すくい、息を吹きかけて口に入れ、1秒目を閉じる。隣の若い見習いに振り向き、笑いながら言う：「あと一つ足りない——わさびだ。ほんの少しでいい」。見習いは一瞬固まり、慌てて頷いて調味料棚へ駆けていく。固定のミディアムショット、竈の火の光が二人の顔に揺れる。音：鍋のぐつぐつという沸騰音、換気扇の低い唸り、シェフの落ち着いた声、背景で鍋とへらがぶつかる軽快な音。
短いセリフ1つを引用符に、話者は「濃い色のエプロンの中年シェフ」で指名、「笑いながら」を添え、厨房の音を最後にレイヤー。推奨：16:9。
2.3 音楽とムード
音楽の書き方は「ジャンル＋感情＋楽器」の3点セット：「軽快なジャズ」では漠然としすぎ、「レイドバックしたジャズトリオ、スネアにブラシを回す」なら正確です。スコアは映像のリズムと合わせて——早送りのモンタージュには推進力のあるテンポを、長回しには環境音楽のベッドを。セリフも効果音もない純粋な映像パートでは、音楽が唯一の音の主役。もう一文かける価値があります。
黄昏の水辺の街
プロンプト
夕暮れの水辺の街：フェリーが金色の水面を切って着岸し、オフィスビルのガラスに夕日が反射し、歩道橋の人々が長い影を引き、街角のレコード店に暖かな灯りがともる。4つの光景の間をカメラがゆっくり巡り、温かくノスタルジックな空気。音楽：レイドバックしたジャズトリオ——ピチカートのコントラバスが土台を作り、ブラシがスネアの上をそっと円を描き、サックスが時折フレーズを漂わせる。ゆったり、物憂く。
音楽は「ジャズトリオ＋レイドバックした郷愁＋ベース／ブラシ／サックス」の3点セットで指定し、夕暮れモンタージュのテンポに合わせました。推奨：1080p。
03 画像から動画
ファーストフレーム画像1枚と動きの説明ひとつで、Veo 3.1 が画面に命を吹き込みます——プロンプトの重心は「絵の描写」から「動きの描写」へ移ります。絵はすでにそこにあるからです。実用上の鉄則がひとつ：アップロード前に画像を目標の比率（16:9 か 9:16）に切り抜いておくこと。構図の主導権を手元に残し、自動切り抜きで大事な部分が欠けるのを防ぎます。音は通常通り書きましょう：静止画に音声情報はないので、効果音と音楽はすべてプロンプト次第です。
3.1 絵に命を吹き込む
画像から動画のプロンプトが書くのは3つだけ：何が動くか、どう動くか、カメラは動くか。絵にないものを無理に足さない——でも絵にあるものはすべて「目覚めさせる」ことができます：なびく裾、流れる雲、揺れる炎。小さな動きほど的中率が高い。「元の画像の質感を引き継ぐ」と一文添えれば、画風はぶれません。
手描きスケッチが動き出す
プロンプト
この手描きスケッチに動きをつけてください：橋の上に立つ少女の髪とマフラーが風にふわりと揺れ、彼女は手を上げて風で乱れた髪を耳にかける。橋の下の川面のタッチが流れるような光を帯び、鉛筆で描かれた雲がゆっくり流れていく。カメラは固定。動きは繊細で自然に、元の鉛筆スケッチの質感と紙の目を最後まで保つ。音：そよぐ風の音、紙のようなかすかなざわめき、静かなピアノソロ。
ファーストフレーム画像が1枚必要です。動きだけを書き、場面の再描写は不要。「元の鉛筆スケッチの質感を保つ」の一文で画風を固定します。
3.2 商品紹介
EC商品の紹介動画では、プロンプトに書くのは2つ：商品がどう動くか（回転、浮遊、チルト）、カメラがどう合わせるか（周回、寄り）。「商品の外観は画像と同一に保つ」の一文で細部を固定し、ライティングと背景の質感を指定します。商品動画で忘れられがちなのが音——箱の蓋が開くクリック音、高級感のあるスコア。どれもコンバージョンを動かす細部です。
浮遊するランニングシューズ
プロンプト
画像のランニングシューズがダークグレーの背景の前でゆっくり浮かび上がり、一定速度でちょうど1回転する——アッパーの編み目と反射素材のラインが光を受けて流れるように輝く。カメラはゆっくりサイドのクローズアップに寄り、ミッドソールのクッション構造を見せる。商品の外観は画像と同一に保つ。スタジオ照明、クリーンでプレミアムな仕上がり。音：靴が浮く際のかすかなエアー音、ミニマルでテクノ感のあるエレクトロニックなスコア、落ち着いたビート。
商品画像が1枚必要です。「1回転＋寄りのクローズアップ」は商品紹介の定番コンボ。音もテクノ系スコアで合わせます。
04 参照から動画と Fast
Veo 3.1 Fast は低価格の量産向けモデルです：画質スペックは標準版と同じ（720p/1080p/4K・8秒・音声常時オン）で、価格はぐっと手頃——試作や量産に最適。さらに Fast だけが持つ能力が参照から動画（r2v）です：1〜3枚の参照画像でキャラの外見を固定し、どんな新しい場面にも送り込めます。ハードルールに注意：参照から動画の出力は 16:9 横画面に固定。縦動画が必要ならテキストから動画か画像から動画に戻ってください。
4.1 キャラ参照の公式
参照から動画のプロンプトは三部構成：まず「画像 N」で素材を舞台に上げ、新しい場面で何が起きるかを書き、最後に「一貫性を保つ」で締める。アップロード順がそのまま番号——1枚目が画像 1、2枚目が画像 2、最大3枚。同じキャラの別アングル画像が最も効果的で、モデルはそれらから完全な「顔のプロフィール」を構築します。
[参照：画像 1…画像 3] + [場面の描写] + [主体] の特徴を一貫させる
参照画像
最大3枚。プロンプト内では「画像 N」で参照。アップロード順がそのまま番号。
場面の描写
新しい場面で何が起きるか：動作、環境、カメラ、音。
一貫性
「参照画像と同一に保つ」の一文で外見の固定を強化。
ロボットマスコットのストリートダンス
プロンプト
画像 1 と画像 2 の白い丸い頭の小さなロボットマスコットが、夜の街の広場に現れ、地面の大型スクリーンに色とりどりの光が流れている。音楽に合わせてストリートダンスを披露：左右へのスライドステップ、ロボットらしいポッピング、最後は片腕を掲げた決めポーズ。カメラは中景で半周する。マスコットの外観は参照画像と同一に保ち、3Dアニメの質感で。音：ノリの良いファンク、関節が回るかすかなメカ音、最後にきれのいい決めの効果音が一発。
参照画像が1〜3枚必要です。この例は自動的に Veo 3.1 Fast に切り替わり、出力は 16:9 横画面。同じキャラの別アングル画像で一貫性が最大化します。
4.2 Fast を使うべき場面
一言でいえば：試作は Fast、仕上げは標準版。プロンプトの試行錯誤、絵コンテのラフ、SNS素材の量産では Fast のコスト優位が何倍にも効きます。細部と画質が最重要の本番カットは標準版に切り替えて最高の品質を。そして参照から動画を使う時点で、それはすでに Fast——唯一、選択が自動で決まる場面です。
油絵の世界に命を吹き込む
プロンプト
画像 1 は1枚の油絵：海辺の町の夕暮れ、砂浜に置かれた漁船、遠くに灯りのともった教会の鐘楼。この絵の世界に動きをつけてください：家々の煙突から炊事の煙がゆらゆら立ち上り、海面が厚塗りのタッチのままきらめき、漁師がオールを担いで浜を横切り、鐘楼の灯りがそっと瞬く。カメラはごくゆっくりパンし、最後まで重厚な筆致と絵具の質感を保つ。画風は参照画像と同一に保つ。音：遠くの波音、教会の鐘が夕べの3つを打つ、カモメの鳴き声——静かでどこまでも遠く。
参照画像が1〜3枚必要です。この例は自動的に Veo 3.1 Fast に切り替わります。画風系の参照では「筆致の質感を保つ」＋「画風は同一に」の二重固定が有効です。