環境音の生成
Veo 3.1はプロンプトの環境を識別して適切な環境音を生成します——ビーチシーンには波の音、都市の通りには交通の騒音、森には野鳥のさえずり、カフェには賑やかな話し声。環境レイヤーはクリップ全体を通して持続し、映像の変化に応答します。
Veo 3.1 ネイティブ音声
AI動画生成におけるネイティブ音声とは、無音の動画を生成してから後処理で音声を追加するのではなく、モデルが同じプロンプトから音声と映像を同時に生成することを意味します。音声はテンポラルに同期しています——ドアが閉まる正確なフレームでドアが叩かれ、足音が足の動きのリズムに合わせて着地し、音楽のクレッシェンドが映像のトランジションと一致します。これは、まず動画を生成してから別の音声モデルで音を加えるモデルとは異なり、そのような方法では微妙なタイミングのズレが生じることがよくあります。Veo 3.1のアプローチは完全なオーディオビジュアル体験をひとまとめにレンダリングし、ピクセルと同様に音をファーストクラスの出力として扱います。
できること
画面上のアクションに紐付く効果音
アクションが発生する正確なフレームで対応する音が生成されます：グラスをテーブルに置くと「チン」という音、通り過ぎる車はドップラー効果のあるエンジン音、窓に当たる雨は雨音。これらはライブラリから選択されるのではなく、コンテキストに応じて生成されます。
自然な話し方でのセリフ
プロンプトに話されるテキストを含めるとVeo 3.1が画面のキャラクターに合った音声を生成します。声の特性は説明されたキャラクターに適応します——子どもには子どもの声、大柄な男性には低い声。正面向きのキャラクターではリップシンクの精度はある程度保たれています。
BGMの生成
シーンと一緒に音楽スタイルをプロンプトに含めてください：「穏やかなピアノ」「アップビートなエレクトロニック」「緊迫感を高めるオーケストラ」。Veo 3.1はフォアグラウンドの音声を圧倒しない、シーンのムードに合ったBGMを生成します。音楽はシーンのエネルギーに反応し——セリフ中は抑え、アクション中は盛り上がります。
マルチレイヤー音声ミキシング
環境音、効果音、セリフ、音楽が出力でミックスされます——別トラックとしてではなく、一貫したオーディオシーンとして。カフェのシーンでは、エスプレッソマシンの音、静かな会話、カップのぶつかる音、ソフトジャズが適切な相対音量でレイヤリングされる場合があります。
はじめに
使い方
1
Veo 3.1でPonPon動画ジェネレーターを開く
PonPon Videoにアクセスし、モデルドロップダウンからVeo 3.1を選択してください。
2
音声要素を含めてシーンを説明する
プロンプトに音声の詳細を含めてください：環境音（「賑やかな通り」「静かな図書館」）、特定の音（「大理石に響く足音」）、セリフ（「彼女が言う：『ついてきて』」）、音楽（「背景に物悲しいチェロ」）。音声の詳細が多いほど、豊かなサウンド出力になります。
3
明示的なプロンプトがなくてもVeoに音声を任せる
音声について言及しなくても、Veo 3.1はコンテキストに応じた環境音を生成します。森のシーンには自動的に野鳥のさえずりと風の音が加わります。キッチンシーンには焼く音や食器の音が加わります。明示的な音声プロンプトでコントロールでき、省略するとセンスのあるデフォルトが設定されます。
4
生成してオーディオビジュアルの同期を確認する
生成をクリックし、音声をオン（ミュートなし）で結果を確認してください。音声が映像のアクションと合っているかを確認します——ドアが閉まる音、足音、セリフと口の動きの一致。特定の音声要素が欠けていたりタイミングがずれていたりする場合は再生成してください。
5
完全なオーディオビジュアルファイルをダウンロードする
ダウンロードされた動画には音声トラックが埋め込まれています。別途の音声エクスポートは不要です。編集用に音声を分離する必要がある場合は、動画を標準の編集ソフトにインポートして音声トラックを抽出してください。
クリエイターのために
個人クリエイター、エージェンシー、ブランドを問わず、すべてのモデルがあなたのワークフローに適応します。
コピーして使う
プロンプトテンプレート
多層音響付き都市の街頭シーン
A woman walks down a rainy Tokyo street at night. Neon signs reflect in wet pavement. She holds a transparent umbrella. Sound: rain pattering on the umbrella, distant car tires on wet road, muffled music from a bar doorway, her heels clicking on concrete. 16:9, 8 seconds.
モデル: Veo 3.1 · 尺: 8秒 · アスペクト: 16:9
環境音付きの自然シーン
Aerial shot slowly descending over a misty mountain lake at sunrise. Pine forest surrounds the water. Sound: morning birdsong, gentle wind through pine needles, a loon calling across the lake, soft water lapping at the rocky shore. No music. 16:9, 8 seconds.
モデル: Veo 3.1 · 尺: 8秒 · アスペクト: 16:9
ボイスオーバーと音楽付きの商品広告
A sleek wireless earbud case opens on a marble surface. One earbud floats up and rotates slowly. A warm male voice says: "Designed to disappear. Engineered to perform." Minimal electronic ambient music, soft bass. Clean studio lighting. 16:9, 6 seconds.
モデル: Veo 3.1 · 尺: 6秒 · アスペクト: 16:9
環境音付きの会話シーン
Two friends sit at an outdoor café table. One leans forward and says: "I got the job." The other pauses, then breaks into a grin: "I knew it." Background: espresso machine hissing, quiet street traffic, birds in a nearby tree. Warm afternoon light. 16:9, 8 seconds.
モデル: Veo 3.1 · 尺: 8秒 · アスペクト: 16:9
こんな方に
ユースケース
1回の生成で完成する広告スポット
ナレーション、BGM、商品効果音を含む15秒の動画広告を1つのプロンプトで制作できます。声優の起用、音楽のライセンス取得、後処理での音声同期は不要です。10のバリエーションを生成して完全なオーディオビジュアルパッケージをA/Bテストできます。
コンテンツクリエイター向けアンビエント動画
豊かな環境音付きの「アンビアンス」や「勉強用BGM」動画を作成できます：窓に当たる雨、パチパチと燃える暖炉、遠くの雷、ソフトジャズ。これらはYouTubeのBGMコンテンツとして高いパフォーマンスを発揮します。同期されたオーディオビジュアルのループがそのまま完成しています。
完全なサウンドスケープ付きの映画シーンプロトタイピング
監督や脚本家が制作にコミットする前に完全な音声付きでシーンをプロトタイプ化し、ムードとテンポを評価できます。響く足音と低いドローン音楽が加わる緊張感あるホール、または店主の呼び込みとアップビートなギターが漂う賑やかな市場のシーンを生成します。ビジュアルだけでなく「感覚」を評価できます。
ポッドキャストと動画エッセイのビジュアライゼーション
スクリプトのセグメントを、AIナレーターが適切な背景ビジュアルと環境音とともに要点を届ける短い動画クリップに変換できます。より長いシーケンスのためにFlowでクリップをつなぎます。ナレーターの声、シーンの音声、ビジュアルが一緒に生成されます。
比較
ネイティブ音声: Veo 3.1 vs Kling 3.0 vs Seedance 2.0
| Veo 3.1 | 他のモデル | |
|---|---|---|
| 音声アプローチ | アンビエント優先：環境音・効果音・音楽を含む完全なオーディオランドスケープをセリフと合わせて生成 | Kling 3.0：セリフ優先——リップシンクした音声が最も得意、環境音はサブ。Seedance 2.0：ミュージックシンク——リズムに合わせた動きが得意、環境音は限定的 |
| 環境音のクオリティ | 空間的な奥行きを持つリッチな多層環境音（雨＋交通音＋遠くの音楽を同時に） | Kling 3.0：適切な環境音だがセリフ品質がメイン。Seedance 2.0：環境音は最小限で音楽に注力。Sora 2：ネイティブ音声なし |
| セリフのクオリティ | 自然な発話と合理的なリップシンク。短いセリフに適している。長いセリフはKlingより精度が落ちる | Kling 3.0：フレーム精度の音素マッピング、多言語対応、感情コントロール——AIセリフのベンチマーク。Seedance 2.0：セリフ能力は限定的 |
| 音楽生成 | シーンのムードに合ったBGMを生成。ジャンルは選択不可——プロンプトで説明する | Seedance 2.0：ミュージックシンクが中核の強み——ビートに合わせたダンスコレオグラフィ。Kling 3.0：基本的なBGM。Sora 2：音声なし |
| 最適なユースケース | シネマティックなシーン、雰囲気重視のコンテンツ、完全なサウンドスケープ付き広告スポット | Kling 3.0：トーキングヘッドコンテンツ、会話シーン、リップシンク。Seedance 2.0：ミュージックビデオ、ダンスコンテンツ。Sora 2：後からカスタム音声を追加する無音動画 |
最高の結果を得る
コツとベストプラクティス
より豊かな出力には音声要素を明示的に説明する
Veo 3.1はデフォルトでコンテキストに応じた音声を生成しますが、明示的な音声プロンプトでより詳細な結果が得られます。「ビーチ」では一般的な波の音になります。「岩に打ち寄せる波、カモメの鳴き声、ビーチグラスを吹き抜ける風、遠くで笑う子どもたち」では、重層的で没入感のあるサウンドスケープになります。
セリフ重視のシーンにはKling 3.0の使用を検討する
Veo 3.1の強みは完全な環境サウンドスケープです。セリフの正確さとリップシンクの精度が優先されるシーン——トーキングヘッド、インタビュー、プレゼンテーション——には、Kling 3.0のリップシンクの方がより信頼性の高い音声同期を提供します。
セリフは短く明確に
Veo 3.1は1クリップあたり1〜2文のセリフをうまく処理します。長い独白や素早いやり取りの会話では同期クオリティが低下することがあります。長いセリフには短いクリップを生成してFlowでつなぎましょう。
純粋な環境音が必要な場合は「音楽なし」を指定する
デフォルトでVeo 3.1はシネマティックなシーンに控えめなBGMを加えることがあります。音楽なしの純粋な環境音が必要な場合は、プロンプトに「BGMなし」または「環境音のみ」を含めてください。後から自分のサウンドトラックを加える予定の場合に役立ちます。
コミュニティ
世界中のクリエイターに愛されています
毎日PonPonを使っている何千ものクリエイター、エージェンシー、ブランドの仲間入りをしましょう。
よくある質問
質問と回答
AI動画生成におけるネイティブ音声とは何ですか？
Veo 3.1は常に音声を生成しますか？
はい。すべてのVeo 3.1の生成物にはデフォルトで音声が含まれます。Veo 3.1で無音の動画を生成することはできません。無音の出力が必要な場合は、ダウンロード後に動画エディターで音声をミュートしてください。PonPon Videoで生成できます。
Veo 3.1の音声はKling 3.0と比べてどうですか？
生成される音声をコントロールできますか？
はい。プロンプトで具体的な音声を説明してください：「窓に当たる雨、遠くの雷、ソフトピアノ」。Veo 3.1は音声の説明に従います。含めたくないものを指定することもできます：「音楽なし」「セリフなし」。明示的な音声指示がない場合、モデルはコンテキストに応じた環境音を生成します。上記のプロンプトテンプレートをご覧ください。
Veo 3.1は音楽を生成しますか？
はい。プロンプトに音楽スタイルを含めてください：「アップビートなジャズギター」「アンビエントエレクトロニック」「緊張感のあるオーケストラ弦楽器」。生成された音楽は説明されたスタイルに合い、シーンのエネルギーに適応します。音楽とコレオグラフィーに特化したシーンには、Seedance 2.0の方がより良い音楽同期結果を生む場合があります。
Veo 3.1でセリフを生成できますか？
はい。プロンプトに話されるテキストを含めてください：「彼女が言う：『駅で会いましょう』」。Veo 3.1はある程度のリップシンクを持った合った声を生成します。リップシンクの精度が重要なセリフ重視のコンテンツには、Kling 3.0のリップシンクの方がより正確です。
動画から音声を分離できますか？
ダウンロードには動画ファイル（MP4）に埋め込まれた音声が含まれます。音声を別々に抽出するには、任意の動画エディター（iMovie、DaVinci Resolve、Premiere）にファイルをインポートするか、FFmpegなどのコマンドラインツールを使用してください。PonPonは現在、別途の音声トラックダウンロードを提供していません。スタンドアロンの音声生成にはPonPonの音声ツールをご覧ください。
PonPonでVeo 3.1のネイティブ音声は無料ですか？
はい。毎日の無料クレジットにネイティブ音声生成を含むVeo 3.1が含まれています。音声は別途アドオンではなく、すべてのVeo 3.1の生成に含まれています。サブスクリプションオプションは料金プランをご覧ください。