Veo 3.1 Fast vs Lite：2.5倍の価格差に見合うか？

結論から言うと： 本数が多く、予算が厳しく、1080p で余計なコストをかけたくないなら Veo 3.1 Lite を選びましょう。720p・音声ありで毎秒 $0.10、Fast（$0.25）のわずか 40% です。4K が必要、あるいは音声のリズムをより安定させたいなら Veo 3.1 Fast を選びましょう。同じプロンプトでのテストでは、Lite のほうがむしろ指示に忠実でした。人物の顔が映り、地下鉄も「入駅中」になっています。Fast はドラマーの顔を画面外に切ってしまい、さらにドラマーをもう一人描いてしまいましたが、ドラムのビートは最初から最後まで規則的でした。どちらもすでに HiAPI で公開されています。Veo 3.1 Lite のモデルページを開くとすぐに試せます。

表1枚でわかる違い

	Veo 3.1 Fast	Veo 3.1 Lite
モデル名	veo-3.1-fast/text-to-video、/image-to-video	veo-3.1-lite/text-to-video、/image-to-video
720p / 秒	音声あり $0.25、なし $0.17	音声あり $0.10、なし $0.06
1080p / 秒	音声あり $0.25、なし $0.17	音声あり $0.14、なし $0.10
4K	あり、音声あり $0.60、なし $0.50	なし
長さ	4、6、8 秒	4、6、8 秒
アスペクト比	16:9、9:16	16:9、9:16
音声	generate_audio、デフォルトでオン	generate_audio
今回の4秒生成にかかった時間	166 秒	107 秒

HiAPI の現行価格、2026 年 10 月 18 日時点で確認。所要時間はそれぞれ1回の実行から取得。

Fast は 720p と 1080p が同価格、Lite は 1080p が 720p より高いです。8 秒 1080p 音声あり：Fast $2.00、Lite $1.12。

同じプロンプトで、両方それぞれ1本ずつ

いずれも 720p、16:9、4 秒、音声あり。

A street drummer plays on upturned plastic buckets in a busy subway station at rush hour, close shot on the sticks blurring and his focused face, commuters streaming past behind him, a train pulling in on the right, handheld camera slowly circling. Sound: crisp bucket drumming, a train braking, crowd footsteps and a station announcement echoing.

Veo 3.1 Fast：

Fast で生成 →

veo-3.1-fast/text-to-video、720p、4 秒、音声あり、$1.00。

Veo 3.1 Lite：

Lite で生成 →

veo-3.1-lite/text-to-video、720p、4 秒、音声あり、$0.40。

目に見える違い：

• 映像が指示に従うか：プロンプトは「スティックと彼の集中した顔」を求めています。Lite は完全なドラマーを描き、顔、手、バケツがすべて画面内に収まっています。Fast はカメラがかなり寄っており、顔が切れ、背景にもう一人ドラマーが追加され、スネアドラムのストラップを掛けていて、まるでドラム隊のようです。
• 列車：Lite の列車はヘッドライトを点けて遠くから入ってきて、「入駅中」に合っています。Fast の列車は右側に停まったままです。
• カメラワーク：プロンプトは手持ちの周回撮影を求めています。両方ともカメラ位置はほぼ動かず、Fast はわずかに揺れるだけです。
• 音声：両方とも音声トラック付きです。音量波形を見ると、Fast のドラムのビートは最初から最後まで規則的で、およそ 0.35 秒ごとに1回です。Lite は 1.7 秒から 3 秒の間でドラム音が明らかにまばらになります。

1本のテストだけではすべてを語れませんが、少なくとも次のことは言えます。2.5 倍高い Fast が、映像がよりプロンプトに忠実であることを保証するわけではない、と。

シーン別の選び方

• 大量生成、予算優先：Lite。8 秒 720p 音声ありを 100 本なら、Lite は $80、Fast は $200。
• 1080p が必要：Lite は音声ありで毎秒 $0.14、Fast は $0.25。
• 4K が必要：Fast のみ、音声ありで毎秒 $0.60。
• 音声不要：どちらも generate_audio をオフにできます。Lite は 720p で毎秒 $0.06、Fast は $0.17 に下がります。
• 音声のリズムを安定させたい（音楽、ドラム、ナレーション）：今回 Fast のほうが安定していました。本番生成の前に、両方ともまず 4 秒を1本走らせてみましょう。
• 最高の画質が欲しい：Veo 3.1 標準版を見てください。720p/1080p 音声ありで毎秒 $0.57 です。Veo 3.1 API 価格を参照。

2つのモデル間の切り替え方

パラメータはほぼ同じで、model を変えるだけです。2点注意：Lite は 4k を受け付けません。Fast の resolution と duration は必須です。

{"model": "veo-3.1-fast/text-to-video", "input": {"prompt": "...", "resolution": "720p", "duration": 4, "aspect_ratio": "16:9", "generate_audio": true}}

{"model": "veo-3.1-lite/text-to-video", "input": {"prompt": "...", "resolution": "720p", "duration": 4, "aspect_ratio": "16:9", "generate_audio": true}}

duration は整数の 4、6、8 のみ受け付け、それ以外を渡すと HTTP 400 が返ります。

よくある質問

Lite は Fast より画質が劣りますか？

今回のテストでは明らかな差は見られず、Lite のほうがむしろプロンプトに忠実でした。どちらも 1280×720 です。違いは主に価格、4K、音声のリズムにあります。

どちらが速いですか？

今回は Lite が 107 秒で返り、Fast は 166 秒でした。速度は負荷によって変わるので、自分のプロンプトで時間を計ってみてください。

プロンプトの試しにはどちらを先に使う？

Lite の 4 秒 720p 音声ありで、1本 $0.40 です。決まったら Fast や標準版に上げるかどうかを判断しましょう。

画像から動画は作れますか？

作れます。どちらにも /image-to-video のエンドポイントがあり、価格はテキストから動画と同じです。

Veo 3.1 の3段階の完全な価格はVeo 3.1 API 価格、curl と Python の呼び出しコードはVeo 3.1 API 接続ガイドを参照してください。上のプロンプトをそのままコピーして、Lite で $0.40 で1本生成することもできます。