この比較記事を最初に書いた時点から、答えは変わりました。 OpenAIは2026年3月24日にSoraの提供終了を発表しました。SoraのアプリとWebサイトは2026年4月26日に閉鎖され、Sora 2のモデルとVideos APIは2026年9月24日に停止されています。そのため現在、実際に問うべきは「Veo 3.1かSora 2か」ではなく、「Sora 2は何をしていて、そのうちどこまでをVeo 3.1がカバーできるのか」です。
要点： Veo 3.1は、テキストや画像から映像と音声を同時に生成するという、Sora 2の中核と同等の機能を持っています。そのうえで、個々のショットをより細かく制御できます。開始フレーム、任意の終了フレーム、最大3枚の参照画像、そして最大4Kの出力です。置き換えられないのは、Soraの長い1本の動画（15〜25秒）と、自分自身をシーンに登場させるCameo機能です。終了までの詳しい経緯は、Sora 2が終了へをご覧ください。
Veo 3.1 vs Sora 2：仕様の比較
Veo 3.1の数値はGoogleのGemini APIドキュメント、Sora 2の数値はOpenAIのモデルページと2025年10月の製品アップデートによるものです。いずれも2026年9月28日に確認しました。
| Veo 3.1（Google DeepMind） | Sora 2（OpenAI） | |
|---|---|---|
| 公開 | 2025年10月15日（2026年1月に更新） | 2025年9月30日 |
| 提供状況 | 利用可能：Geminiアプリ、Flow、Gemini API、Vertex AI | アプリは2026年4月26日、APIは2026年9月24日に終了 |
| ネイティブ音声 | あり：効果音、環境音、セリフ。常時オン | あり：セリフと効果音 |
| 動画の長さ | 4秒・6秒・8秒 | アプリでは全ユーザー最大15秒、Web版のProは25秒 |
| 長い連続映像 | 延長：1回7秒追加、720pで約148秒まで | なし（Storyboardsはショット設計用） |
| 解像度 | 720p、1080p、4K | 720p（sora-2）、最大1080p（sora-2-pro） |
| アスペクト比 | 16:9、9:16 | 横向きと縦向き |
| フレームレート | 24fps | 記載なし |
| 画像から動画 | 対応 | 対応 |
| 最初と最後のフレーム指定 | 対応 | 提供なし |
| 参照 | 最大3枚の参照画像 | Cameo（撮影した本人の姿） |
| モデルのティア | Veo 3.1、Fast、Lite | Sora 2、Sora 2 Pro |
GoogleはVeo 3.1の1080pと4K出力をアップスケールによるものと説明しています。4Kは、生成されるディテールが増えた証拠ではなく、納品用のフォーマットとして扱うのが適切です。
音声とセリフ
どちらのモデルでも、音が最大の売りでした。OpenAIは映像に同期したセリフと効果音を備えてSora 2を公開しました。GoogleはVeo 3.1が効果音、環境音、セリフをネイティブに生成すると説明しており、Gemini APIでは音声が常にオンです。
どちらの開発元も同じ条件での音声比較を公表していないため、一方のリップシンクが明らかに優れているという主張には慎重になってください。Veo 3.1で確実に効果があるのは、音をプロンプトに書き込むことです。環境音、要となる効果音、そしてセリフはそれぞれ引用符で囲みます。8秒の動画に収まるセリフは1〜2行です。
リアリティと物理的な動き
OpenAIは物理的なリアリティをSora 2の代名詞にしており、外れたバスケットボールのシュートが、ゴールに吸い込まれるのではなくバックボードに当たって跳ね返る、といった例を示していました。GoogleがVeo 3.1について主張しているのは、「プロンプトへの忠実さの向上」と、Veo 3よりリアルな質感です。どちらも開発元による打ち出し方であって、条件をそろえたテストではありません。
自分の制作のために役立つテストは、自分にとって大事な場面で試すことです。物理的な接触、落下する物、液体、2人のやり取りなどを生成し、全画面で見て、手が物をすり抜けていないか、足が滑っていないか、物の大きさが変わっていないかを確かめましょう。
動画の長さと長めのストーリー
これはSora 2の最もはっきりした強みでした。アプリでは誰でも15秒の動画を生成でき、Web版のProユーザーは25秒まで作れたうえ、Storyboardsで動画をショットごとに設計できました。
Veo 3.1が一度に生成できるのは最大8秒です。GoogleのAPIとFlowでは動画を7秒ずつ延長できますが（720p）、通常は短いショットの連続を設計して編集でつなぐほうが簡単です。Soraから移ってくるなら、長いプロンプトをショットのリストに書き直しましょう。各ショットには主な動きを1つ、カメラワークを1つだけ入れます。
ショットの制御
この点では、Veo 3.1のほうが使える手段が多くあります。
- 画像から動画： 自分の静止画から始めて、フレーミング、被写体、スタイルを固定できます。
- 最初と最後のフレーム： 終了画像を追加すると、Veo 3.1が2枚の間の動きを組み立てます。
- 参照画像： キャラクター、商品、場所の画像を最大3枚使い、別々の動画の間でも見た目をそろえられます。
Sora 2でこれに相当したのはCameoですが、こちらは構図を固定する機能ではなく、撮影した人物をシーンに入れる機能でした。Soraでの制作が自分自身のCameoに頼っていたなら、Veo 3.1に直接の相当機能はありません。また、Googleの安全フィルターは、写真から実在の人物を生成することを制限しています。
今のあなたに合うのはどちらか
Sora 2はもう利用できないため、決めるべきは代わりに何を使うかです。
- Soraで音声付きの短いSNS動画を作っていた場合： Veo 3.1でそのままカバーできます。ショート、リール、TikTok向けには9:16を使いましょう。
- 15〜25秒のワンテイクに頼っていた場合： 8秒のVeo 3.1ショット数本として設計し直すか、1回でより長い動画を生成できるモデルを使いましょう。
- ショット間でキャラクターや商品の一貫性が必要な場合： Veo 3.1の開始フレームと参照画像のほうが適したツールです。
- 自分自身のCameoを使っていた場合： Veo 3.1にそれと同等の代替はありません。
このサイトでVeo 3.1を試す
Veo Videoでは、Veo 3.1の3つのティアすべてを利用できます。生成される動画はすべて8秒・音声付きで、16:9または9:16、720p・1080p・4Kから選べます。入力はテキスト、または画像（任意で終了フレームも指定可）です。Veo 3.1 Fastでは最大3枚の参照画像も使えます。このサイトでは延長と、4秒・6秒の長さには対応していません。
新規アカウントには30クレジットが付与され、720pのVeo 3.1 Lite動画を1本作れます。まずは以前のSoraのプロンプトを1つ試してみましょう。仕上げのショットにはVeo 3.1を使います。もっと長いワンテイクが必要なら、MiniMax H3 Maxも使えるAI動画生成ツールがあります。