Veo 3.1 — シネマティックなAI動画、クリップごとの従量課金

Veo 3.1は、Google DeepMindによる最先端の動画生成モデルです（2026年中頃現在、最新のパブリックバージョンであり、Veo 4は発表されていません）。テキストプロンプトや静止画から、同期されたネイティブ音声（ピクセルと同じパスで同時生成される台詞、環境音、効果音）を含む4-to-8-secondのクリップを生成します。このファミリーには、共通のスキルセットを持ちながら、再現性と価格が異なる3つのティアが用意されています。最終レンダリング用のVeo 3.1、約3分の1のコストで迅速なイテレーションが可能なVeo 3.1 Fast、そして$0.10から利用でき、絵コンテや下書きに最適なVeo 3.1 Liteです。BananaBananaでは、これら3つのモデルすべてが単一の残高で本番環境にて動作します。モデル、解像度（Veo 3.1とFastでは最大4K）、動画の長さ、音声のオン/オフを選択し、クリップごとの固定料金でお支払いいただけます。

アイデアのテストやプロンプトの確定には、Veo 3.1 Lite（音声なしで$0.10から）をご利用ください。最大1080pでレンダリング可能で、フラッグシップモデルの10分の1以下のコストに抑えられます。コンセプトが固まり、実用的な生成スピードが必要になったら、Veo 3.1 Fast（$0.35から）へ移行しましょう。4Kに対応しており、SNS向けコンテンツの主力として活躍します。ビジュアルの再現性が命となる勝負カット（クライアント向けのデモリール、広告、タイトルバックなど）には、Veo 3.1（$0.70から）を温存しておきましょう。3モデルとも同じプロンプトを受け付けるため、「低コストモデルから高コストモデルへ」というワークフローを選択すれば、フラッグシップモデル専用のプラットフォームで再生成を繰り返すよりも、はるかにコストを抑えられます。代表的なパイプラインの例：Liteでの下書き3本（約$0.30）、Fastでの1080p動画1本（約$0.35）、そして最終的なVeo 3.1での音声付き8秒4Kレンダリング1本（$4.40） — 合計約5ドルでシネマティックな完成クリップが手に入ります。

Veo 3.1、Veo 3.1 Fast、Veo 3.1 Liteは、プラットフォームのほかの機能と同じ2つの方法で利用でき、クリップ単価もWeb版ジェネレーターと同じです（Liteは$0.10、Fastは$0.35、Veo 3.1は$0.70から）。https://bananabanana.pro/api/mcpのMCPサーバー（Streamable HTTP）はOAuthまたはプロフィールのAPIキーに対応しており、エージェントはモデル・長さ・解像度・音声設定を指定してgenerate_videoを呼び出します。動画は課金前に見積もられます。最初の呼び出しで正確な価格が返り、エージェントが確認して初めてレンダリングが始まります。クリップはバックグラウンドで生成され、エージェントはget_resultでファイルを受け取ります。失敗したレンダリングは自動で返金されます。アカウントがなくても、x402ならエージェントがBase上のUSDCでクリップ1本分を支払い、job_idで受け取れます。支払い済みのクリップが失敗した場合は、全額分のクレジットトークンが発行されます。

少しだけ作れます。正確な量もお伝えします。新規アカウントには$0.20の無料残高が付き、登録にカードも暗号資産も要りません。Veo 3.1 Liteなら、この残高で4秒の無音クリップを2本（1本$0.10）生成できます。Veo 3.1 Fast（$0.35から）とVeo 3.1（$0.70から）はウェルカム残高より高いため、暗号資産かカードでのチャージが必要です。サブスクリプションはなく、自動更新もありません。Liteは上位モデルと同じプロンプトを受け付けるので、無料クリップはFastや4Kのレンダリングに支払う前のプロンプトの確かなテストになります。