Veoとは
Google Veo
Google DeepMindが開発する、テキストや画像から音声付きの動画を生成するAIモデル
ひとことで言うと
Googleの動画生成AI。文章や画像から映像を作れて、新しい版ではセリフや効果音まで一緒に生成できる。
概要
Veoとは、Google DeepMindが開発するテキストや画像から動画を生成するAIモデルを指す。 2025年に公開されたVeo 3では映像と同期した音声・効果音・会話の生成に対応し、音付きの動画を一度に生成できる点が特徴になった。 Geminiアプリや動画作成ツールFlowなどを通じて提供され、Soraと並ぶ動画生成AIの代表例として扱われている。
背景
従来の動画生成モデルの多くは映像のみを生成し、セリフや効果音、環境音は別の音声合成ツールで後から加える必要があった。 Veoは映像と音声を同じモデルで同期生成できるようにすることで、動画制作の工程を1つのモデルに集約する方向を打ち出した。
歴史
2024年5月の開発者会議Google I/OでGoogle DeepMindが発表した。2024年12月にVeo 2、2025年5月に音声生成へ対応したVeo 3を公開した。
利点
欠点
- 生成できる動画の長さは依然として数秒〜数十秒程度にとどまる
- 実在の人物や既存の著作物に類似した映像を生成しうる懸念があり、権利・肖像面の扱いが論点になる
- 高品質な生成には相応の計算コストがかかり、サービスの利用ティアによって生成回数や解像度に制限がある
比較
- Sora — いずれもテキストから動画を生成するモデルで、Veo 3は映像と同期した音声の生成へ対応した点を特徴として打ち出した
関連用語
よくある質問
Veo 3で何が変わった？
Veo 2までは映像のみの生成だったのに対し、Veo 3では映像と同期したセリフ・効果音・環境音をあわせて生成できるようになった。
どこで使える？
Geminiアプリ、動画作成ツールのFlow、Google CloudのVertex AI等を通じて利用できる。
参考文献
- Official WebsiteVeo - Google DeepMind