Veo 3.1 が得意なこと、そして苦手なこと

Veo 3.1 は最終カットが実際に完成した映画のように見える必要があるときに手に伸ばすモデル——典型的なライティングバグ、溶ける手、テクスチャノイズのある「AI 動画」が通過しないとき。Google DeepMind は Veo ラインをプロンプトパーサー内のシネマティックボキャブラリーに重点を置いて構築。Veo 3.1 に「ゆっくりドリーイン、カメラ右からアナモルフィックレンズフレア、ゴールデンアワー ローキーで被写体の顔を影に」と指示すると、4 つの指示すべてを正しく実行——他のほとんどの動画モデルは 4 つのうち 2 つを実行し、残りを即興。

3.1 アップデートのヘッドライン機能はイングリディエントto動画。キャラクター、プロダクト、オブジェクトの参照画像を最大 3 枚アップロードすると、Veo はシーン、カメラアングル、さらにはライティングの変化を跨いで一貫性を維持。これは AI 動画で最も困難な問題を解決：顔ドリフト。AI 動画のすべての以前の世代で、主人公の顔はショット間で微妙に変形——頬骨が異なり、目色が異なり、プロンプトが明示的にタグ付けしても。イングリディエントto動画は参照をロック；レンダリングされたキャラクターは各カットで同一人物。

2 つ目のフラッグシップ機能はリアルなディテールの最大 4K 出力。Veo 3.1 は低解像度ソースのアップスケールで得られるノイズアーティファクトやぼやけたストレッチなしに、高解像度でクリアにレンダリング。ブランドワーク、OOH 配置、最終納品が 4K であるあらゆるコンテキストで、Veo は他のほとんどの AI 動画モデルができないパスを完成。

3 つ目の柱はネイティブ同期音声——対話、環境音、効果音が映像と同じパスで制作、リップシンクされ、別途フォリーステップなしでタイミング。シネマティックプロンプト制御と 4K 出力と組み合わせ、これは 1 回の生成で完成した短編を制作するのに最も近い現在のモデル。

弱点：高速プロンプトイテレーションには、より軽量な「ファスト」ティアモデルがより良いツール——正しい構図を見つけるのに 1 つ使用し、仕上げに Veo に卒業。マルチモーダル参照入力（音声参照、モーション参照動画）は Seedance 2.0 でより強力。生のテキストto動画 Elo では、Seedance 2.0 が現在わずかに先行。

判断の目安：Veo 3.1 はシネマティック仕上げ品質と解像度のデフォルト。参照密集ショットには Seedance 2.0。マルチショットストーリーボードには Kling V3。