［開発者向け］Googleの次世代ビデオ生成AI「Veo 3」がAPIで利用可能に！

2025-07-18

はじめに

　Google I/O 2025で発表され、大きな注目を集めたこのモデルが、ついに開発者向けにGemini API で提供が開始されました。本稿では、Google Developers Blogに掲載された記事「Build with Veo 3, now available in the Gemini API」を基に、Googleが開発した最新のビデオ生成AIモデル「Veo 3」について、開発者向けに利用方法を詳しく解説します。

参考記事

タイトル: Build with Veo 3, now available in the Gemini API
発行元: Google Developers Blog
発行日: 2025年7月17日
URL: https://developers.googleblog.com/ja/veo-3-now-available-gemini-api-google-ai-studio/

要点

Googleの最先端ビデオ生成AI「Veo 3」が、Gemini APIとVertex AIを通じて有料プレビュー版として開発者に提供開始された。
Veo 3は、テキストプロンプトから高品質なビデオとそれに同期した音声（セリフ、効果音、音楽）を同時に生成できる初のモデルである。
主な特徴は、映画のような映像品質、リアルな物理シミュレーション、そして音声と映像の完全な同期である。
開発者はAPIを利用することで、自身のアプリケーションやサービスにビデオ生成機能を直接組み込むことが可能になる。
AIによって生成されたコンテンツの透明性を確保するため、生成されたすべてのビデオには電子透かし技術「SynthID」が適用される。

詳細解説

Veo 3とは？ – ビデオ生成の新たな地平

　Veo 3は、Googleが開発した最も高性能なテキストからビデオを生成するAIモデルです。ユーザーが入力したテキスト（プロンプト）を基に、非常に高品質で創造的なビデオを自動で作り出します。これまでの多くのビデオ生成AIは映像のみを生成していましたが、Veo 3の最大の特徴は、映像だけでなく、それに完全に合った音声まで同時に生成できる点にあります。将来的には、テキストだけでなく画像を入力としてビデオを生成する機能も追加される予定です。

Veo 3の3つの革新的な機能

　Veo 3は、主に3つの優れた能力を持っています。これらが組み合わさることで、これまでにないレベルのビデオ生成を実現しています。

音声と映像の完全同期 (Synchronized Sound)
　Veo 3は、キャラクターのセリフ、ドアの開閉音のような効果音、そして背景に流れる音楽といった豊かなオーディオを、映像と完璧に同期させた状態で一度に生成します。例えば、「ハムスターの教授が『おっと、またやってしまった！』と叫びながら逃げていく」というプロンプトを入力すると、そのセリフや慌てて走る足音まで含んだビデオが生成されます。これにより、後から音声を付ける手間が省け、より一体感のあるコンテンツ制作が可能になります。
映画のような映像品質 (Cinematic Quality)
　生成されるビデオは、単に動くだけでなく、映画のように芸術的で高品質です。プロンプトに含まれる「夕日の柔らかい光」や「ざらざらした布の質感」といった、細かく創造的なニュアンスを正確に捉え、高解像度の映像として表現します。これにより、クリエイターの意図を忠実に反映した、プロレベルの映像制作が可能になります。
リアルな物理演算 (Realistic Physics)
　Veo 3は、現実世界の物理法則を理解しており、生成されるビデオ内の動きが非常にリアルです。キャラクターの自然な動作はもちろん、水の流れ方や光の当たり方によってできる影の動きなども正確にシミュレートします。このため、視聴者は違和感なく映像に没入することができます。

開発者にとってのVeo 3 – API経由での利用

　Veo 3は、開発者向けに「Gemini API」および「Vertex AI」というプラットフォームを通じて提供されます。これらはGoogleが提供するAI開発基盤で、APIを利用することで、開発者は自社のWebサイトやアプリケーションにVeo 3のビデオ生成機能を簡単に組み込むことができます。

活用事例:
- Cartwheel社: 2Dの人物ビデオを、すぐに使える3Dアニメーションに変換するシステムを開発。Veo 3を使ってリアルで滑らかな人間の動きを生成し、顧客向けの3Dアニメーション制作に活用しています。
- Volley社: RPGゲーム『Wit’s End』のストーリーを進めるためのカットシーン（劇中ムービー）制作にVeo 3を利用。デザイナーは迅速に様々なパターンを試すことができ、ゲームの品質向上に繋げています。
料金と利用方法:
　現在、有料プレビュー版の料金は、ビデオと音声の出力1秒あたり0.75ドルに設定されています。また、より高速でコストを抑えた「Veo 3 Fast」というバージョンも近日中に提供される予定です。

import time
from google import genai
from google.genai import types

client = genai.Client()

operation = client.models.generate_videos(
    model="veo-3.0-generate-preview",
    prompt="a close-up shot of a golden retriever playing in a field of sunflowers",
    config=types.GenerateVideosConfig(
        negative_prompt="barking, woofing",
    ),
)

# Waiting for the video(s) to be generated
while not operation.done:
    time.sleep(20)
    operation = client.operations.get(operation)

generated_video = operation.result.generated_videos[0]
client.files.download(file=generated_video.video)
generated_video.video.save("veo3_video.mp4")

公式ドキュメント

　公式ドキュメントでは使い方が解説されています。

　https://ai.google.dev/gemini-api/docs/video?hl=ja

公式GoogleColab

公式GoogleColabでは使い方が実践的に理解できます。

https://colab.research.google.com/github/google-gemini/cookbook/blob/main/quickstarts/Get_started_Veo.ipynb

https://github.com/google-gemini/cookbook/blob/main/quickstarts/Get_started_Veo.ipynb

責任あるAIとしての取り組み

　AIによる生成コンテンツが普及する中で、その透明性を確保することは非常に重要です。Googleは、Veo 3で生成されたすべてのビデオに「SynthID」という電子透かしを埋め込んでいます。この電子透かしは人間の目には見えませんが、専用のツールで検出することができ、そのビデオがAIによって生成されたものであることを証明するのに役立ちます。

まとめ

　本稿では、Googleの最新ビデオ生成AI「Veo 3」について解説しました。Veo 3は、単に美しいビデオを生成するだけでなく、音声までを統合し、物理法則に基づいたリアルな動きを再現する、まさに次世代のクリエイティブツールです。

　開発者はAPIを通じてこの強力な機能を自らのサービスに組み込むことができ、ゲーム開発から映像制作、コンテンツマーケティングまで、幅広い分野での活用が期待されます。SynthIDのような責任あるAIへの取り組みも進められており、今後の技術の発展と社会への浸透が非常に楽しみです。クリエイターや開発者にとって、Veo 3はアイデアを瞬時に形にし、新たな表現の可能性を切り拓くための強力なパートナーとなるでしょう。