Veo 3.1
根据文本和图像生成电影级别的视频。具备原生语音合成、高级相机控制和出色的一致性，有力支持专业视频制作。
音频支持
商业使用
输入
结果
空闲
准备生成
配置输入并点击运行以生成图片预览。
Veo 3.1 模型介绍
模型介绍
由Google DeepMind开发的「Veo 3.1」是拥有顶尖表现力的最前沿AI视频生成模型。它能够根据文本或图像，同步生成电影级画质的视频以及与之匹配的原生音频（包括对话、环境音、背景音乐、高精度唇形同步）。
除了支持4K和1080p高分辨率输出，它还原生适配TikTok和YouTube Shorts平台最适合的9:16竖屏格式。其具备「Ingredients to Video」功能，可从多张参考图像高度保持角色和物体的一致性；还能支持对推拉变焦、延时摄影等专业运镜方式进行指令设置。它不仅能呈现符合物理法则的真实质感，还具备极强的提示词理解能力，能将广告视觉、视频制作的分镜、社交媒体内容等各类专业创作者的创意构思变为现实。
价格介绍
| 图像分辨率 | 消耗积分（credits） |
|---|---|
| 720p(credits/s) | 6 |
| 1080p(credits/s) | 9 |
模型技术规格
| 技术参数 | 具体规格 |
|---|---|
| 核心能力 | 文本到视频 |
| 分辨率 | 720p,1080p |
| 比例 | 16:9,9:16 |
| 时长 | 4,6,8 |
探索类似模型
推荐
Seedance 2.5
文字转视频
BytePlus
最长可生成30秒、音画同步的电影级视频，是专业级高性能视频生成模型
推荐
Seedance 2.0 Mini
文字转视频
BytePlus
实现了压倒性的生成速度与高品质兼备的轻量视频生成模型
推荐
WAN Video 3.0 Prime
文字转视频
WAN
以惊人速度生成最长30秒的电影级影像的下一代多模态视频生成模型
推荐
Gemini Omni Flash
文字转视频
可自由融合文本与音频，高速生成连贯一致的高质量视频的最新模型。
推荐
WAN Video 3.0
文字转视频
WAN
具备电影级画质与高级控制能力的下一代AI视频生成模型
推荐
Kling 3.0 Omni
文字转视频
Kling
实现电影级画质和原生音画同步的全能AI视频生成模型