Veo 3.1

概览

Google DeepMind 的专业视频生成模型线当前版本，最大特点是原生生成音频——音效、环境音与对白与画面一起产出，而不是后期配音（官方也坦承短句对白的自然度仍在改进中）。输出 1080p 与 4K，单段约 8 秒。API 端点为 veo-3.1-generate-preview（另有 fast 档），按秒计费，约 $0.05–$0.60 / 秒，无免费额度。注意：老的 veo-2.0-generate-001、veo-3.0-generate-001、veo-3.0-fast-generate-001 已于 2026-06-30 在 Gemini API 停用；官方现在把 Gemini Omni 1.1 Flash 作为视频生成的默认选择，Veo 3.1 保留给需要场景延展、末帧控制与旧管线对接的专项需求。

模态

视频

能力

• +原生音画同生：自动生成音效、环境音与对白
• +输出 1080p 与 4K，单段约 8 秒
• +场景延展与末帧控制
• +以参考图指导画面风格与主体
• +更贴近真实物理的运动表现