VEO 3.1 ビデオへの参照: オブジェクト、新しいシーン
Bottom Line Up Front (BLUF): VEO 3.1 Reference To Video は、画像が先行し、テキストが続く AI ビデオ モードです。製品、キャラクター、スタイルなどの 1 ～ 3 つの参考画像をアップロードし、それらの画像で何が起こるかを説明します。このモデルは、ランダムな代役を発明するのではなく、認識可能なオブジェクトをまったく新しいシーンに運びます。
ビデオへの参照が意味するもの
通常の世代は、毎回フレームを再発明します。走っているアスリートにスニーカーを求めても、手に入るのは自分のスニーカーではなく、スニーカーです。リファレンス モードはまさにそれを修正します。モデルに 1 ～ 3 枚の画像にわたって特定のオブジェクトを表示すると、そのオブジェクトが完成したクリップに表示されます。
参照はフレームの開始または終了ではなく、例です。モデルはアイテムやキャラクターがどのように見えるかを研究し、テキストに基づいてその周囲の新しいシーンを撮影します。少なくとも 1 つの画像は必須です。このモードは参照がなければ開始されません。
画像からビデオへの違い
古典的な画像からビデオへの変換では、画像が最初のフレームとなり、そこからアクションが展開されます。同じ構図、同じアングルです。リファレンス モードはより自由です。シーンはプロンプトに従って最初から構築されますが、画像は参加者がどのように見えるかを指定するだけです。
2 つのモードはさまざまな作業に適しています。 1 枚の特定の写真に命を吹き込むことは、標準 VEO 3.1 に属します。写真が撮影されていない設定で製品を表示したり、一連の異なるクリップ内で 1 人のキャラクターを紹介したりすることが、Reference To Video の目的です。
効果的な参考文献を選ぶ
ルールは単純です。モデルはオブジェクトをはっきりと見る必要があります。被写体がフレームのかなりの部分を占める鮮明な画像を使用し、周りが視覚的に乱雑にならないようにします。複雑な形状のオブジェクトの場合、2 つまたは 3 つの角度を使用すると、モデルが正面図だけでなくボリュームを把握するのに役立ちます。
プロンプトでは、参照がすでに示している内容の説明を省略し、代わりにシーンとアクション (オブジェクトがどこにあるか、その周囲に何があるか、カメラがどのように動くか、光がどのようなものであるか) を説明します。フレーム形式は、16:9 ランドスケープ、9:16 ポートレート、または自動のオプションで設定されます。
高速専用モードと価格
参照の生成は Fast 層でのみ実行されます。ここでは Lite と Quality は選択できません。選択しようとすると、フォームは Fast に戻ります。実際には、これは利点です。レンダリングがすぐに戻るため、同じリファレンス セットを使用して複数のシーンのアイデアを一度に循環させることができます。
クリップのコストは生成パラメータによって異なり、サイト全体のトークン残高から支払われます。失敗した世代または拒否された世代には費用はかかりません。標準の VEO コンテンツ ルールが適用されます。子供をフレームに映さない、動物虐待をしない、成人向けの内容を含まない。
モードが輝く場所
最初の大きなユースケースは電子商取引です。スタジオを借りることなく、数枚の商品写真があれば、商品リスト、広告、ソーシャル投稿用のクリップを撮影できます。夏のピクニックにあるソースのボトル、街を走るスニーカー、大理石のバスルームの棚にあるフェイスクリーム、すべて同じ 3 つの参考文献からのものです。
2 つ目は、ブランドのマスコット、イラストのキャラクター、シグネチャー オブジェクトなど、繰り返し登場するヒーローを含むシリアル コンテンツです。リファレンスを一度準備するだけで、ヒーローがクリップ間で一貫した一連のビデオを取得できます。結果は履歴に保存され、すぐにダウンロードまたは拡張できます。
Frequently asked questions
参考画像は何枚アップロードできますか?
1 ～ 3 の間で、少なくとも 1 つが必要です。モードは参照なしでは開始されません。複雑な形状のオブジェクトの場合、2 つまたは 3 つの角度を指定すると、モデルが形状を正確に捉えるのに役立ちます。
品質レベルを選択できないのはなぜですか?
Reference To Video は Fast でのみ実行されます。これはモードの技術的な制約であり、フォームは他の選択肢を高速にリセットします。利点は、レンダリングが速く、シーンのアイデアを安価に反復できることです。
オブジェクトは私の写真と完全に一致しますか?
モデルはオブジェクトを認識可能な状態に保ちますが、これはコピーではなく生成であり、細部がドリフトする可能性があります。さまざまな角度からのクリーンなリファレンスにより精度が向上し、オフテイクを簡単に再生成できます。