Veo 3.1 AI 视频生成器

Veo 3.1 擅长什么

原生音频：对白和音效一次生成

Veo 3 系列最大的卖点是原生音频：声轨和视频一起生成。脚步声踩在走路的节奏上，关门声对上门合上的那一帧，台词跟着说话人的口型走。

它适合说话的场景、街头和自然环境声、带清脆咔哒声或倾倒声的产品片段，以及开声音播放的社媒视频。

Google 的建议是台词放进引号，音效和背景声直接写出来：咖啡师说「Your usual?」，咖啡机嘶嘶作响，雨点轻敲窗户。

在 Zero Kit 上，Veo 3.1 包含在 Plus 及以上套餐里，Fast 的每条视频都带声音，Pro 不出声音。声音撑场面时用 Fast。

发布前每条都要听一遍，人声或口音仍可能和你写的不一样。

电影感 16:9 视频关键帧，地下室小爵士酒馆里的中景，一位穿深绿色连衣裙的歌手凑近一支复古话筒，鼓手用鼓刷扫过小军鼓，低音提琴手跟着节奏点头，低低的琥珀色舞台灯光和一层温暖的薄雾，前景是几位坐在烛光小桌旁的听众。温暖的琥珀色与深绿色配色，亲密的氛围，无文字，无标志。

图生视频，支持首尾帧

Veo 3.1 不必从零开始。上传一张图片，模型会把它当作开场第一帧，保留主体、场景和光线，再加上动作。

产品图在展台上转起来，人像吸一口气抬起头，风景照里云开始飘、水开始流。

在 Veo 3.1 Fast 和 Pro 上，可以再加一张图作为尾帧，模型补出中间的所有画面。适合事先设计好的变化，比如冬日庭院开满春花。

两帧要在同一机位拍，光线保持一致，提示词只写视频过程中发生的事。Veo 3.1 Lite 只收首帧，不收尾帧。

电影感 16:9 视频关键帧，用细细的深色间隔分开的两联画，两格都从完全相同的机位拍摄：左边是一座安静的石砌庭院，一棵光秃秃的樱花树和一张木长椅，头顶是苍白的冬日天空，地面覆着一层薄霜；右边是春天里的同一座庭院，樱花树开满粉色的花，花瓣飘落在长椅上，温暖的金色光线。两格的构图和建筑保持一致，琥珀色与灰绿色配色，无文字，无标志。

动作逼真，细节清楚

Veo 3.1 最擅长真实世界的动作：水溅起再落下，布料兜住风，动物的重心在两条腿之间转移，手拿起杯子而不会穿模。

它也很懂镜头语言。缓慢推轨、越过屋顶的升镜、跟着跑者的手持镜头，出来的效果都接近提示词的描述。

Fast 和 Pro 最高 4k，剪辑时有裁切余地，也能上大屏播放。

慢速运镜能让发丝、树皮、水花、毛线织纹保持清楚，快速动作在任何分辨率下都会糊掉。

先用默认分辨率试动作，提示词定下来后，再用更高分辨率生成最终版。

电影感 16:9 视频关键帧，低机位跟拍一匹在日出时奔过浅河的栗色马，明亮的水珠在它腿边四溅，鬃毛飞扬，对岸是芦苇和柳树，水面上笼着一层薄雾。温暖的琥珀色逆光，灰绿色的草木，水花和马的毛色细节清晰锐利，快速而平稳的运镜，无文字，无标志。

Veo 3.1 提示词怎么写

1. 好的 Veo 3.1 提示词读起来像分镜表：主体、动作、场景、运镜、光线，最后是声音。

   「黎明时渔民在码头上补网，缓慢推近，薄雾轻柔，海鸥鸣叫，海水拍打船身」就够起步了。

2. 台词放进引号，并写明是谁说的，例如：老人抬起头说「You're late again.」每句台词都要短到能在视频时长内说完。

3. 明确写出音效和背景声，比如「轮胎碾过湿路面沙沙作响，远处的警笛声渐渐消失」，让模型知道这条视频该有什么声音。

4. 用模型熟悉的镜头语言：推镜、升镜、跟拍、手持、移焦、慢动作。每条视频一个清楚的运镜，比堆好几个效果好。

5. 提示词用英文写。Google 表示没有评测过其他语言，英文提示词的结果最可预期。

用 Veo 3.1 生成的视频

• 

  咖啡馆窗上的雨

  由 Veo 3.1 生成

  雨天午后，安静的街角咖啡馆里，一镜到底。一位穿深绿色针织毛衣的年轻男子坐在窗边，双手捧着一只白色咖啡杯，端起来慢慢啜一口，看着雨水顺着玻璃往下淌，窗外模糊的雨伞一把把走过。镜头从远景开始，轻轻推近到中近景。温暖的琥珀色室内灯光映衬冷灰色的天光，窗上柔和的倒影，电影感的自然胶片质感。

• 

  在海滩上放风筝

  由 Veo 3.1 生成

  黄金时段宽阔的沙滩上，一镜到底。一位父亲和他年幼的女儿沿着水边奔跑，她松开手，一只鲜红的风筝迎风升起，父亲一边放线；她跳起来指着风筝，哈哈大笑。镜头以低机位在旁边跟着他们移动，前景的沙丘草被风吹弯，海浪轻轻涌来。温暖的琥珀色阳光，灰绿色的沙丘，平稳的跟拍运镜，电影感。

用 Veo 3.1 试试这些示例提示词

• 

  渔船上的对话

  电影感 16:9 视频关键帧，黎明时一艘小木渔船甲板上的中景双人镜头，一位戴羊毛帽的年长渔民对年轻同伴说了句什么，年轻人一边盘着湿漉漉的绳子一边笑，海鸥绕着桅杆盘旋，身后平静的港湾上薄雾正在散开。温暖的琥珀色日出与柔和的灰绿色海水，轻微的手持晃动，自然的胶片颗粒，无文字，无标志。

• 

  穿越峡谷的火车

  电影感 16:9 视频关键帧，缓慢的航拍镜头与一列老式客运火车并行，火车正驶过红色沙漠峡谷上一座高高的铁栈桥，傍晚的阳光拉出长长的影子，远在下方一条细细的河流闪着光，温暖的空气里飘着尘土。琥珀色与灰绿色配色，平稳的无人机运镜，开阔壮观的尺度感，无文字，无标志。

• 

  面包出炉

  电影感 16:9 视频关键帧，近景，一位围裙上沾着面粉的面包师从烧得通红的柴火烤炉里拉出一把长长的木铲，圆圆的脆皮面包碰到微凉的空气噼啪作响，热气穿过一束清晨的窗光盘旋上升。温暖的琥珀色炉光映着柔和的绿色瓷砖，浅景深，缓慢推近，无文字，无标志。

• 

  山脊上的风暴

  电影感 16:9 视频关键帧，广角跟拍镜头，两位穿素色雨衣的徒步者沿着狭窄的草坡山脊行走，身后深色的暴风云翻滚着压过山谷，风把草压得贴伏在地，一道金色的光从云缝里照在远处的山峰上。灰绿色的山丘，石板灰的天空，温暖的琥珀色高光，壮阔、风势猛烈，无文字，无标志。

示例图仅作示意，实际效果因模型而异。

Veo 3.1 参数与价格

下面的价格都取自实时价目表，价格一调整，这里就跟着变。图片按张计费，视频按秒计费。

Veo 3.1 的局限

• 视频很短：时长只能在 4 / 6 / 8 秒里选，不能自由设定中间值。

  要讲更长的故事，就分几条生成再剪到一起，或者让一条停在某一帧，再把这一帧用作下一条的首帧。

• 在 Zero Kit 上，三个版本都包含在 Plus 及以上套餐里，其中只有 Veo 3.1 Fast 带声音；Pro 不出声音，Lite 没有声音设置。

  Google 的文档把更高分辨率和最长时长绑在一起，短时长加高分辨率失败时，试试 8 秒。

• Google 会在每条 Veo 视频里嵌入看不见的 SynthID 水印，它的安全过滤也可能拦下提示词或图片，尤其是涉及真人的。

  复杂场景里，脸、手和画面文字仍可能出错，发布前请逐帧检查。