eroqのVeo 3 Fast：音まで生成する動画エンジン

eroqにある7つの動画エンジンのうち、6つは無音のクリップを返します。Veo 3 Fastが返すのは、音付きのクリップです。環境音、効果音、セリフが映像と一緒にレンダリングされます。ラインナップの中でこれができるのはこのエンジンだけで、プロンプトの書き方も変わります。それ以外の仕様はきっちり決まっています。長さはちょうど8秒、720pか1080p、1クリップ216クレジット、Creatorプラン以上、そして提供元による上流でのモデレーション。このガイドでは、主にプロンプトの書き方を扱います。

「ネイティブサウンド」とは

ネイティブとは、サウンドトラックが映像と一緒に、同じプロンプトから、同じレンダリングの一部として生成されるという意味です。あとからストック音源を動画の下に敷くわけではなく、音声のために別の工程の料金を払う必要もありません。ショットを説明すれば、ショットとその音が手に入ります。

返ってくるのは3つのレイヤーです。

• 環境音：その場の空気の音です。雨、車の音、人混み、風、冷蔵庫のうなり。
• 効果音：画面の中で起きていることに結びついた音です。ドア、足音、ブレーキのきしみ、グラスを置く音。
• セリフ：画面の中の人物が話す言葉です。

ひとつ、はっきりさせておきたい線引きがあります。eroqにはリップシンク機能はありません。Veo 3 Fastのセリフは、エンジンがショットの中で演じるセリフであって、録音した声を顔に合わせるためのツールではありません。セリフは短くし、結果はレンダリングされたテイクとして扱いましょう。

数字で見る

• 長さ：8秒固定。5秒でも10秒でもありません。
• 解像度：720pまたは1080p。
• 料金：1クリップ216クレジット。1クレジットがおよそ1セントのエントリーパックなら、約$2.16です。
• フォーマット：16:9、9:16、1:1。
• モード：テキストから動画、画像から動画。
• プラン：Creator（$49、6,000クレジット）以上。
• コンテンツ：提供元が上流でモデレーションを行います。拒否されたプロンプトはcontent_blockedを返し、料金はかかりません。提供元に拒否されたときの代わりになるのがMotion Oneです。eroq独自の検閲なしエンジンで、すべてのアカウントで使えます。

Creatorの1か月分は、ほかに何も使わなければVeoのクリップおよそ23本分です。失敗したレンダリングは自動で返金され、使わなかったクレジットは繰り越されます。

音のためのプロンプトの書き方

プロンプトの映像部分は、eroqのどのエンジンとも同じ書き方です。被写体、動き、カメラ、光、ムードを、30〜80語のひと続きの段落にまとめます。そこに音を足すのですが、役に立つ習慣は、音を最後に短い2文目として、上のレイヤーと同じ順番で書くことです。

まずは環境音。空間と、そこでどんな音がするかを書きます。「駅のひさしに降り続く雨」「低い話し声とエスプレッソマシン」。要素は1つか2つに絞りましょう。8秒のクリップに、音の風景をまるごとは収められません。

効果音は、すでに書いたアクションに結びつける。映像部分に「ドアがシュッと開く」とあれば、音の文には「ドアのチャイムと、濡れたコンクリートを歩く彼女の足音」と書けます。目に見える原因のない音はさまよいがちで、アクションに重なる音はきちんと決まります。

セリフは引用符で囲み、話者を明記する。セリフは1つ、10語未満で、誰が言うかを添えます。8秒ならセリフは1つ、せいぜい2つです。台本の要約のようにではなく、キャラクターが実際に口にするとおりに書きましょう。

静けさも選択のひとつ。セリフが要らないなら、プロンプトの中で人物の口を手持ち無沙汰にしておかず、何かすることを与えましょう。静かな部屋にしたいなら、「静か」と書いたうえで、そこにある唯一の音を挙げます。

書かなくていいもの：音楽です。エンジンがレンダリングするのはシーンの中にあるものなので、BGMが欲しいなら、あとから編集で付けましょう。また、音に形容詞を重ねるのも避けてください（「壮大で、シネマティックで、没入感のあるオーディオ」など）。代わりに音源を挙げましょう。

プロンプトの例

環境音と効果音、セリフなし、16:9：

雨に濡れたホームに夜行列車が滑り込む。ブレーキがきしみ、ドアがシュッと開くと、一人の乗客が黄色い駅の灯りの下に降り立ち、風をよけてコートの前をかき合わせる。ホームの奥の端からの固定のワイドショット、ネオン・ノワールのパレット、静かで孤独な雰囲気。ひさしに降り続く雨の音、ブレーキのきしみ、ドアのチャイム、濡れたコンクリートを歩く彼女の足音。

設定：8 s、16:9、1080p、カメラワーク「固定」、ライティング「プラクティカル照明」、パレット「ネオン・ノワール」。

セリフ1つ、9:16：

小さく静かなコーヒーショップで、バリスタがカウンター越しに客へカップを滑らせ、外の雨にちらりと目をやって言う。「今日これで3杯目ですよ。まだお昼前なのに」。カウンターのクローズアップ、ソフトクロスライト、ウォームフィルムのパレット、穏やかでドライな雰囲気。シューッと音を立てるエスプレッソマシン、低い話し声、窓を打つ雨の環境音。

設定：8 s、9:16、カメラワーク「クローズアップ」、ライティング「ソフトクロスライト」、パレット「ウォームフィルム」。

どちらのプロンプトも、音の文を最後に置き、すべての効果音を目に見える何かに結びつけています。方法はこれだけです。

Veoが向いている用途

音付きの8秒というのは独特の形で、ぴったり合う仕事がいくつかあります。

• 広告。「動画」ツールの広告モードには「UGC風の口コミ」などのテンプレートがあり、TikTok/リールの9:16、フィードの1:1、YouTube/Webの16:9に対応しています。口コミ動画は、1人、セリフ1つ、その場の空気の音。つまり、8秒のVeoクリップそのものです。広告ジェネレーターはこれを軸に作られていて、UGC広告はその代表的な使い道です。
• フィルムのシーン。フィルムモードでは、最大12シーンの絵コンテをシーンごとに組み立て、追加するたびにレンダリングします。Veoのシーンは、つなぎ合わせたプレーヤーに自前の音を持ち込みます。API側は/docs/filmsです。
• 商品の見せ場。ボトルを開ける、ジッパーを引く、ノートパソコンを閉じる。特徴的な音のあるアクションです。

向いていないのは、8秒ではない長さのもの、シードや終了フレームが必要なもの、そして提供元が拒否するものです。長いショットや細かく制御したいショットなら、Seedance 2.5を使いましょう。比較は/compare/seedance-vs-veo-3にあります。最新の仕様は、エンジンのページ/models/veo-3-fastで確認できます。

よくある質問

eroqのVeo 3 Fastは音声も生成しますか？

はい。ラインナップの中で、同じプロンプトから映像と一緒にサウンドトラック（環境音、効果音、セリフ）をレンダリングする唯一のエンジンです。

Veo 3 Fastのクリップの長さは？

ちょうど8秒です。このエンジンには、それより短い選択肢も長い選択肢もありません。ほかの長さが必要なら、ラインナップから別のエンジンを選びましょう。

Veo 3 Fastのクリップ1本の料金は？

8秒のクリップ1本で216クレジット、エントリーパックなら約$2.16です。Creatorプラン以上で使えるようになり、失敗したレンダリングは自動で返金されます。

ショットを書き、音の文を足して、レンダリングしましょう。/studio/videoからどうぞ。