← 記事一覧
Run 1 · 再生成が必要 · 3.60 · $0.4200 (5s)
Run 2 · 再生成が必要 · 3.70 · $0.3360 4s
Run 3 · そのまま使える · 3.90 · $0.3360 4s
Run 1 · 使えない · 3.30 · $0.8000 4s
Run 2 · 使えない · 3.60 · $0.8000 4s
Run 3 · そのまま使える · 4.00 · $0.8000 4s
Run 1 · そのまま使える · 4.00 · $0.1200 4s
Run 2 · そのまま使える · 3.70 · $0.1200 4s
Run 3 · そのまま使える · 3.90 · $0.1200 4s
公開: 2026/7/19更新: 2026/7/19モデル比較
うちわで扇ぐ人 AI動画生成 比較｜Veo 3.1 / Veo 3.1 Lite / Kling / Seedance
うちわで扇ぐ中年女性の I2V 動画生成を Veo 3.1 / Veo 3.1 Lite / Kling 3.0 / Seedance 2.0 で3-Runベンチマーク比較。手・うちわ・背景の一貫性、動きの自然さ、コスト、Pass@1/Pass@3を検証しました。
うちわで扇ぐ人 AI動画生成 比較
2026年7月現在の実測では、うちわで扇ぐ人物 I2V 動画の3-Run ベンチマークにおいて Veo 3.1 Lite は初回生成から使用可能（Pass@1: Yes）・3RUNすべてが使用可能・平均スコア 3.87 と本条件で最も安定した傾向を示し、Cost / Usable $0.1200 と本条件では大幅に低コストでした。Veo 3.1・Kling 3.0 V3 Standard も Pass@3 は通過しましたが、初回からの使用可能性や総合スコアでは Lite が先行しています。
うちわで扇ぐ動画（I2V）を、同一の入力画像と動画生成プロンプトを用いて Veo 3.1 Lite、Kling 3.0 V3 Standard、Veo 3.1 の3モデルに、それぞれ 3 回ずつ画像→動画（I2V）生成させ、Pass@1 / Pass@3・コスト・品質・評価スコアを実証比較します。予算と用途に応じたモデル選びの参考にしてください。
評価の前提・限界
本記事の比較は、同一の入力画像と動画生成プロンプトを用いた 3-Run ベンチマーク（同一モデルで 3 回ずつ生成）として実施しています。ただし、対象は 1 プロンプト・1 入力画像 に限られるため、各モデルの相対的な傾向を示す初期評価として扱ってください。他の被写体・構図・動作では結果が異なる可能性があります。
動画モデルの設定: Veo 3.1 / Veo 3.1 Lite / Kling 3.0 V3 Standard（同一の入力画像・720p・4秒条件）。Seedance 2.0 は人物を含む画像で content policy 違反となり、本検証では動画生成に失敗しました（API価格に基づく推定コスト $1.2136。ただし、生成前に拒否されたため実際の課金は発生しない可能性が高いです）。また、Kling 3.0 V3 Standard の Run 1 のみ生成時の duration が 5秒となったため、Run 2/3 と条件が一部異なります（コスト表記は実際に発生した金額）。推定コストは各モデルのAPI価格に基づく概算です。動画は実際に生成したものをそのまま掲載し、評価スコアはレビュアーによる手動評価（1〜5段階、5が最高）を用いています。
うちわで扇ぐ人の動画
カテゴリ: クロスモーダル I2V / うちわベンチマーク
プロンプト
入力画像を最初のフレームとする。同じ中年の日本人女性が、小さな庭の古びれた木製ベンチに座ったまま、同じ丸いうちわでそっと扇ぐ。人物と背景は動かず、手とうちわのみが動く。木漏れ日、薄い浴衣。ミディアムショット、アイレベル、滑らかで連続的な手の動き、自然なうちわのリズム、カメラ揺れなし、追加の文字やロゴなし。
ネガティブプロンプト
blurry, deformed, extra fingers, mutated, low resolution, oversaturated, text, watermark, ugly, duplicate, brand logos, company logos, trademarks, Apple logo, Nike logo, Adidas logo, Starbucks logo, Mercedes logo, Coca-Cola logo
評価観点: 人物・顔・手の一貫性、うちわの構造保持、扇ぐ動きの自然さ、背景の安定性
失敗リスク: 指や手の変形 / うちわの形状崩れ / 顔の一貫性崩れ / 動きの不自然さ（早すぎる扇ぎ） / 背景のちらつき / 文字やロゴ混入
入力画像（動画生成元）:
3-Run ベンチマーク結果
| モデル | Pass@1 | Pass@3 | Usable Rate | Avg Score | Total Cost | Cost / Usable | 評価分布 |
|---|---|---|---|---|---|---|---|
| Kling 3.0 V3 Standard | No | Yes | 33% | 3.73 | $1.0920 | $1.0920 | 再生成が必要×2、そのまま使える×1 |
| Veo 3.1 | No | Yes | 33% | 3.63 | $2.4000 | $2.4000 | 使えない×2、そのまま使える×1 |
| Veo 3.1 Lite | Yes | Yes | 100% | 3.87 | $0.3600 | $0.1200 | そのまま使える×3 |
| Seedance 2.0 | — | — | — | — | $1.2136（API価格ベース推定） | — | content policy violation により生成拒否 |
代表動画（各モデルの最良 Run）
| モデル | 生成動画 | 評価 | スコア | 商用適性 | 生成時間 |
|---|---|---|---|---|---|
| Kling 3.0 V3 Standard | そのまま使える | 3.90 | 3/5 | 51.36s | |
| Veo 3.1 | そのまま使える | 4.00 | 4/5 | 48.79s | |
| Veo 3.1 Lite | そのまま使える | 4.00 | 4/5 | 46.29s |
代表動画は 3 回の生成のうち、平均スコアが最も高かった Run を採用しています。Kling 3.0 V3 Standard は Run 1 が 5秒生成であったため、代表動画には 4秒の Run 3 を使用しています。
全試行動画
Kling 3.0 V3 Standard
*Run 1 のみ生成時 duration が 5秒、Run 2/3 は 4秒
Run 1 · 再生成が必要 · 3.60 · $0.4200 (5s)
Run 2 · 再生成が必要 · 3.70 · $0.3360 4s
Run 3 · そのまま使える · 3.90 · $0.3360 4s
Veo 3.1
Run 1 · 使えない · 3.30 · $0.8000 4s
Run 2 · 使えない · 3.60 · $0.8000 4s
Run 3 · そのまま使える · 4.00 · $0.8000 4s
Veo 3.1 Lite
Run 1 · そのまま使える · 4.00 · $0.1200 4s
Run 2 · そのまま使える · 3.70 · $0.1200 4s
Run 3 · そのまま使える · 3.90 · $0.1200 4s
評価コメント
Kling 3.0 V3 Standard
Run 1（平均スコア: 3.60 / 商用適性: 2/5 / 評価: 再生成が必要）
- 要約: うちわの扇ぎ方が不自然。人物／カメラに若干の揺れ？
Veo 3.1
Run 1（平均スコア: 3.30 / 商用適性: 3/5 / 評価: 使えない）
- 要約: うちわの扇ぎ方が不自然。
比較まとめ（評価ベース）
今回の I2V 生成検証では、以下の通り3-Runベンチマークの評価スコア・コスト・Pass@1/Pass@3を集計しました。
| モデル | 平均スコア | Pass@1 | Pass@3 | Usable Rate | 総コスト | Cost / Usable |
|---|---|---|---|---|---|---|
| Kling 3.0 V3 Standard | 3.73 | No | Yes | 33% | $1.0920 | $1.0920 |
| Veo 3.1 | 3.63 | No | Yes | 33% | $2.4000 | $2.4000 |
| Veo 3.1 Lite | 3.87 | Yes | Yes | 100% | $0.3600 | $0.1200 |
| Seedance 2.0 | — | — | — | — | $1.2136（API価格ベース推定） | — |
総評
Veo 3.1 Lite は初回生成から使用可能（Pass@1: Yes）・3RUNすべて使用可能・平均スコア 3.87・Cost / Usable $0.1200 と、本条件では最もコスパが良く、品質も安定しています。Veo 3.1 も Pass@3 は達成しますが Cost / Usable は $2.40 と高く、Kling 3.0 V3 Standard は同じく Pass@3 達成も Cost / Usable $1.092 と、Lite に比べて割高です。Seedance 2.0 は人物を含む I2V で生成拒否となり、現時点ではこの被写体では採用できません。用途・予算・品質要件のバランスでモデルを選ぶのが現実的です。
用途別におすすめのモデル
- 品質・コスパ最優先・量産: Veo 3.1 Lite の詳細を見る
- 高画質・長尺対応を検討する場合: Veo 3.1 の詳細を見る
よくある質問
Q1. うちわで扇ぐ動画（I2V）に最適なモデルはどれですか？
A1. 今回の1プロンプト・1入力画像による3-Runベンチマークでは、Veo 3.1 Lite は初回生成から使用可能（Pass@1: Yes）で、3RUNすべてが使用可能・平均スコア 3.87 と本条件で最も安定した傾向を示しました。Veo 3.1・Kling 3.0 V3 Standard も Pass@3 は達成しましたが、コストや安定性で Lite が有利です。
Q2. 動画生成のコストはどのくらいかかりますか？
A2. 動画生成のコストは長さ・解像度・モデルバリアントで大きく変わります。本検証では同一の入力画像を使い、720p・4秒条件で比較しました。Veo 3.1 Lite は 1本あたり約 $0.12、3回の総コストは $0.36 で、3本すべてが使用可能だったため Cost / Usable は $0.12 でした。Veo 3.1 は $2.40 / usable、Kling 3.0 V3 Standard は $1.092 / usable となりました。
Q3. 商用利用は可能ですか？
A3. 本記事のモデルは、公式提供の API 経由であれば概ね商用利用が可能です。ただし、最新の利用規約を各モデル公式サイトで確認し、必要に応じてクレジット表記を行ってください。
モデル公式サイトとAPI価格
評価の前提となる公式情報源を確認してください：
- Kling 3.0 V3 Standard 公式: https://fal.ai/models/fal-ai/kling-video/v3/standard/image-to-video
- Veo 3.1 Lite 公式: https://fal.ai/models/fal-ai/veo3.1/lite/image-to-video
- Veo 3.1 公式: https://fal.ai/models/fal-ai/veo3.1/image-to-video
- Seedance 2.0 公式: https://fal.ai/models/fal-ai/seedance-2