Google: Veo 3.1 Fast

Google: Veo 3.1 Fast は Google の動画生成モデルで、Veo 3.1 ラインの中間層の選択肢として位置づけられています。速度と品質のバランスを取るように作られており、フルの Veo 3.1 モデルよりも速いターンアラウンドを提供しながら、高品質な出力も生成します。すでに Google の生成メディアモデルのエコシステム内で作業しているなら、これは最大限の忠実度よりも反復速度が重要となるワークロードを対象としたバリアントです。

このモデルはテキストと画像の入力を受け付け、唯一の出力として動画を返します。映像とともにネイティブの同期オーディオを生成するため、音声、効果音、環境音のために別途オーディオパイプラインを用意する必要はありません。出力は 720p、1080p、4K でレンダリングでき、アスペクト比は 16:9 または 9:16、長さは 4、6、8 秒です。画像駆動の作業では、最初のフレーム、最後のフレーム、またはその両方を指定でき、ショットの始まり方と終わり方を制御できます。このモデルにはコンテキストウィンドウが公開されていませんが、これはテキストモデルではなく動画生成器としては想定内のことです。

これらの機能は、かなり特定の用途群を示しています。4K の短い 16:9 クリップは広告スポット、製品ティーザー、ソーシャルのプリロールに適しており、9:16 の選択肢はストーリーやショートフォームフィード向けの縦型フォーマットをカバーします。オーディオがネイティブに生成されるため、このモデルは解説クリップ、会話主導のシーン、手動ミックスなしで音を映像に合わせる必要があるあらゆるコンテンツに適しています。最初と最後のフレームの条件付けは、静止画像のアニメーション化、2 つのキーフレームの橋渡し、より長い編集における一貫したショット遷移の生成に役立ちます。4、6、8 秒の長さは個々の生成を短く保つため、このモデルは単一パスの長尺生成器というよりも、ショット単位のツールとして最適に機能します。

これは、モデル id "google/veo-3.1-fast" を使用して api14 の OpenAI 互換 API を通じて呼び出します。サポートされるリクエストパラメータは max_tokens、response_format、seed、temperature、top_p です。Seed は実行間で再現可能な生成を得たい場合に設定する価値があり、temperature と top_p はモデルが導入する変動の度合いを制御できます。インターフェースは OpenAI スキーマに従っているため、既存のクライアントや SDK は通常、最小限の変更で動作します。

このモデルを選ぶ際に留意すべき点がいくつかあります。コンテキスト長は公開されておらず、maxOutput は 0 と記載されているため、出力用に文書化されたトークン予算を前提に計画しないでください。ターンアラウンド時間よりも可能な限り最高の品質を優先するなら、Fast は明示的に速度重視の層であるため、フルの Veo 3.1 モデルの方が適切な選択です。クリップ長は 8 秒に制限されているため、より長いシーケンスは複数の生成から組み立てる必要があります。