Veo 3.1とGrok Imagine Video 1.5、8秒のvariant制約と15秒native audioをどう使い分ける？

提供状態：Google Gemini APIのVeo 3.1 Standard／Fast／Liteのプレビュー版は2026年10月22日に終了予定です。Veo側は終了前の短期検証や既存素材の整理を対象とし、継続運用の新規基盤としては選びません。

Veoの参照画像はStandard/Fastのみ、extensionはStandard/Fastの720pのみで、Liteはどちらも非対応です。

GoogleのVeo 3.1はStandard/Fast/Liteのpreview IDごとに4・6・8秒、720/1080/4K、native audio、最大3参照画像、first/last、extensionを条件別に案内します。Grok full 1.5はgrok-imagine-video-1.5で1〜15秒、480/720/1080p、最大14画像・3音声、first/last/mid keyframe、native audioを持ちます。

Veoの参照画像はStandard/Fastのみ、extensionはStandard/Fastの720pのみで、Liteはどちらも非対応です。

Veoのaudioは生成設定として、Grokのnative audioも出力条件として記録します。Grokの音声参照は最大3本であり、生成音声と同じ「音声対応」欄へまとめません。入力画像はxAI価格表の $0.01/枚を出力秒単価と別に記録します。VeoのStandard/Fast/Liteはmodel ID、尺、解像度、参照画像、extensionを別々に保存し、4KをLiteへ適用しません。

Veoはvariant表を守るための分割、Grokはkeyframeと参照数を活かす分割という固有差を比較します。

Veoの8秒生成は、Standardが720p・1080pとも$3.20、Fastは720p $0.80／1080p $0.96、Liteは720p $0.40／1080p $0.64です。4KはStandard $4.80、Fast $2.40で、Liteにはありません。これは公式pricingのvariant・解像度別計算で、参照画像やextensionを含む総額ではありません。

Grok full 1.5の1080p出力8秒だけなら$2.00です。入力画像6枚なら$0.01×6=$0.06を加え、出力と画像を合わせた仮の総額は$2.06になります。Liteの単価からfull 1.5を推測せず、参照素材・編集・拡張の条件はxAI usageで確認します。Google preview終了日もxAIの継続性へ移しません。

Veoのvariant別尺・解像度・参照・extension、Grok full 1.5の1〜15秒・1080p・14画像/3音声・native audioは公式仕様です。Google Gemini preview IDには2026-10-22終了予定があり、GrokやRunwayのモデルIDには適用しません。生成時間、音声の自然さ、リップシンク、品質、成功率、総費用は未測定です。