Google最新AI「Veo 3」動画生成の裏側と失敗3選

テスト動画①：
解放感と達成感
（セリフなし）

最初のテストでは、「ツールを使った後の解放感」というポジティブなベネフィットをテーマに、AIにコンセプトを考えさせました。生成されたプロンプトは以下の通りです。

cinematic shot, 8K, hyperrealistic.

ショット1 (0-3秒) 夕日が海に沈む美しいビーチ。波打ち際に置かれたモダンなビーチチェアに、リラックスした服装の若い男性が座っている。彼はMacBook Proの画面を穏やかな表情で見つめており、その顔に夕日の暖かい光が当たっている。カメラはゆっくりと彼の手元にあるトラックパッドにズームインする。

ショット2 (3-4秒) 人差し指がトラックパッドを「カチッ」とクリックする瞬間の、超マクロ撮影。背景は美しくボケている。PC画面には、洗練されたUIのプログレスバーが一瞬で0%から100%に達するアニメーションが映し出される。

ショット3 (4-8秒) 男性は「ふぅ」と息をつき、達成感のある満足げな笑みを浮かべる。彼はゆっくりとノートPCを閉じ、解放された様子でオレンジ色に染まる水平線を眺める。

映像のクオリティは素晴らしいのですが、キャラクターが外国人になってしまい、セリフもありませんでした。

より日本の視聴者に響 comité 改良し、「登場人物を日本人に限定する」というルールをAIに追加しました。

テスト動画②：
敏腕マネージャー
（セリフが英語に…）

次に、ツールが提案した「敏腕マネージャー」というコンセプトを元に、日本人キャラクターでのプロンプトを生成させました。

ショット1 (4秒) 超高画質、シネマティックなスタイル。日本のテレビ局の楽屋。メイク中の若手女性アイドルの隣で、スーツ姿の敏腕女性マネージャー(30代)がノートPCを鬼気迫る表情で高速タイピングしている。

ショット2 (2秒) マネージャーの顔のクローズアップ。彼女は自信に満ちた笑みを浮かべ、「よし！」と小さく呟きながら、力強くエンターキーを叩く。

ショット3 (2秒) 楽屋の椅子から立ち上がったマネージャーが、アイドルよりも嬉しそうにガッツポーズ。「はい、NoteとAmebloも投稿完了！これで次の現場まで30分巻いたぞ！」と大声で喜ぶ。隣のアイドルは「えっ、もう！？」と驚きの表情でマネージャーを見ている。

キャラクターは見事に日本人になりましたが、なんとセリフが英語になってしまいました。

これは、Veo 3の仕様上、プロンプト内でセリフを明確な形式で指定しないと、AIが映像の文脈から判断して英語のセリフを当ててしまうことがあるためです。

そこで、AIへの指示をさらに改良し、「『（セリフ）』と日本語で話す」という形式でプロンプトを生成するように修正しました。

テスト動画③：
漫画家とアシスタント
（ついに日本語を話すが…）

三度目の正直。今度は「漫画家」というコンセプトで、日本語のセリフを明確に指示したプロンプトを生成させました。

Shot 1 アニメスタイル、ドラマチックなライティング。締め切りに追われ、山積みの原稿用紙に囲まれた机に突伏して絶望している若い男性漫画家。インク瓶やペンが散乱している。高画質、映画的。--duration 3s

Shot 2 クローズアップショット。男性漫画家が意を決した表情で、机の隅にあるサイバーパンク風に青く光る物理ボタンを人差し指で押す瞬間。--duration 2s

Shot 3 若い女性アシスタントが興奮した様子でスマホを片手に部屋に駆け込んできて、『「先生！たった今、Note経由で新規ファンが50人増えました！」と日本語で叫ぶ』。驚いた表情の漫画家も映り込んでいる。--duration 3s --aspect 9:16

念願の日本語音声は実現できましたが、今度はプロンプトに「アニメスタイル」と入れたため、映像がアニメ調になってしまいました。

ここで1日の生成上限に達してしまったため、本日のテストはここまでとなります。