AI Tool Blog Veo 3.1 学习中心

用 Veo 3.1 生成视频。

Google Veo 3.1 是 DeepMind 当前的视频生成模型。给它一段文字、一张图或一组参考图，它输出一段短片，并在同一遍生成里连对白、音效与环境音一起产出。

Google Veo 免费指南 Google Veo 开发文档 Google DeepMind 的 Veo 模型页

本页的能力、基准结论与使用渠道均取自 Google DeepMind 自家的 Veo 模型页；图库里的静帧也是该页Google 自己发布的演示截图。价格与可用性由 Google 决定，可能随时变动。

官方示例

Google 自家演示的画面

这六张是 Google 在 Veo 模型页的 showcase 区里配在自己演示片段旁的静帧，下面每一句提示词也都是 Google 为那段片段写的。它们是厂商自己的演示，不是我们生成的作品。

Google Veo 官方演示静帧：一只猫头鹰飞过月光下的森林 — 一只猫头鹰掠过月光下的森林，同时一只紧张的小獾开口说话。Google 的提示词把台词直接写进去了——画面和对白出自同一段提示词，这是该页用来演示对白的一组例子之一。

Google Veo 官方演示静帧：侦探在桌前审问一只橡皮鸭 — 侦探审问一只看起来心虚的橡皮鸭。Google 写的那句提示词里直接给了侦探的台词，这正是这组例子的用意：说出口的部分是和画面一起生成的，不是后期配上去的。

Google Veo 官方演示静帧：两名女子走在爱尔兰海岬上 — 1860 年代的爱尔兰海岬上，两名女子并肩行走——「她们粗糙土布的长裙在强烈的海风里轻轻翻动」。这是 Google 的原句提示词，也是这组演示的年代剧调性。

Google Veo 官方演示静帧：举着蜡烛的蜡制小人 — 一个淡黄色的小蜡人举着蜡烛，站在暖光室内。提示词把「材质」和「光」都写明了，而这两件事正是这一帧必须同时做对的地方。

Google Veo 官方演示静帧：键帽由糖果做成的键盘 — 一把键帽用不同糖果做成的键盘。Google 的提示词要求打字时发出「甜而脆的声响」，所以这段短片考的是声音设计，而不只是物件本身。

Google Veo 官方演示静帧：虹彩平原上的水晶花 — 暮色之下，一片覆雪的虹彩月尘平原，上方绽开三十英尺高的水晶花——图库里最超现实、也是尺度最大的一张。

示例图片版权归 Google 所有，此处署名转载： Google DeepMind 的 Veo 模型页

概览

Google 自己怎么介绍 Veo 3.1

Google 把 Veo 3.1 定位为「我们领先的视频生成模型，为电影人和叙事者而生」，整页围绕一个主张展开：画面和声音一起来。下面的图库、控制项与基准结论都来自那一页。

01

画面与声音同一遍产出

对白、音效与环境音都是原生生成的，不是事后配上去的。Google 给它的原话是「video, meet audio」，好几条演示提示词直接把台词写进了提示词本身。

02

控制细到单个镜头

除文字提示词外，模型还接受场景、角色或物件的参考图，风格参考图，首帧与末帧，以及「拉远、推近、上移、右移」这类机位指令。

03

能改素材，不必重做

Google 记录了在已有画面上做外扩、往画面里加入物件、从画面里移除物件、用最后一秒续接片段，以及用自己的身体、面部和声音驱动角色表演。

04

两档分辨率各有用途

官方记录的输出是 1080p 与 4K。Google 把 1080p 说成适合要和其他素材剪在一起的那一档，4K 则留给纹理和细节。

能力

Google 记录下来的控制项

Google 把这款模型的控制面分成若干标题，每一项都配一段片段演示。连起来看，它们回答的是一个很实际的问题——我到底能控制什么；下面每一项都是模型页上的一个标题，不是我们的引申。

01

素材合成（Ingredients to video）

你给场景、角色或物件的参考图，镜头围着这些参考搭起来。该页在这一节的提示词，用同一组参考分别要了一支广告、一支电影预告和一支音乐录影带。

02

套用风格（Match your style）

风格参考图负责画面观感，于是那些难以言传的质感——纸艺立体模型、绘画、某种调色——可以直接递一张图过去，而不用写成文字。

03

角色保持一致

角色参考图能让同一个角色的外观在分镜之间稳住，这是「多镜头成片」和「一堆互不相干的片段」之间的分界线。

04

延长场景

片段可以从最后一秒继续往下接，观感和声音保持一致；该页演示了把多条提示词这样串成一段更长的作品。

05

机位控制

构图与运动是明确设定的，而不是写在提示词里碰运气。该页列出四个：拉远、推近、上移、右移。

06

首帧与末帧

给两张图就能定义一次转场，中间的运动由模型补齐。

07

外扩、加入与移除物件

外扩把画幅向外撑开，让同一段素材适配不同比例的屏幕；另有单独的开关往场景里加入物件或把物件去掉，模型会一并考虑比例、交互与阴影。

08

角色与运动控制

表演可以用你自己的肢体、面部和声音来驱动；物件的运动可以靠画出你想要的路径来定义。

09

1080p 与 4K 输出

Google 记录了两档输出分辨率，并说明各自适合什么：1080p 是更利落的成片文件，4K 则用在纹理和细节比体积更重要的场合。

官方规格

Google 就 Veo 3.1 公布了什么

这里只放 Google 自己页面上说过的内容。模型页没给的数字——比如单段最长时长、每秒价格——这张表不会替它补上。

开发方: Google DeepMind
当前模型: Veo 3.1
类别: 视频生成
输出: 带原生音频的视频
输出分辨率: 1080p 与 4K
官方记录的输入: 文字提示词、图片、参考图、视频
官方记录的控制项: 素材合成、风格参考、角色一致、场景延长、机位控制、首末帧、外扩、物件的加入与移除、角色与运动控制
水印: SynthID
面向普通用户: Gemini、Google Flow、Google Vids
面向开发者: Google AI Studio、Gemini API
基准页更新时间: 2025 年 10 月
官方承认的不足: Google 表示，自然且连贯的口播音频——尤其是较短的口语片段——仍是开发中的课题。

怎么用上

官方列出的入口

Veo 3.1 是托管模型，每条路径都建在别人的账号上。Google 在模型页列了五个入口，下面每一行链接指向的都是 Google 自己指的那一个。

Gemini

面向普通用户的助手，Veo 在这里是一个单独列出的视频入口。

Google Flow

Google 的 AI 影视工具，用来把片段拼成场景和故事。

Google Vids

Google 办公套件里的视频功能，面向职场产出而非影视。

Google AI Studio

从提示词到 API Key 的浏览器路径，自带一个 Veo 工作室应用。

Gemini API

开发者路径，文档在 ai.google.dev，附可直接套用的提示词示例。

常见问题

关于 Veo 3.1 的高频问题

Veo 3.1 是什么？

Google DeepMind 当前的视频生成模型。它用一段文字、一张图或一组参考图，生成带对白、音效与环境音的短片，声音和画面在同一遍里产出。

Veo 会连音频一起生成吗？

会，而且这是它最主打的卖点。Google 的原话是「video, meet audio」，图库整节都围绕这一点，好几条演示提示词直接把台词写进了提示词，而不是留给后期配音。

Veo 3.1 的输出分辨率是多少？

官方记录为 1080p 与 4K。Google 把 1080p 说成更适合剪辑的一档，4K 则用在纹理和细节上。

Veo 3.1 能改我已有的视频吗？

能对素材上手。官方记录的控制包括外扩画幅、加入物件、移除物件、用最后一秒续接片段，以及指定一次转场的首帧与末帧。

Veo 3.1 的片段有多长？

模型页没有给出单一的最大时长。它把「延长场景」写成做长片的办法，而各项对比测试的脚注里，评测片段是 6 秒或 8 秒。

Veo 的输出带水印吗？

带。Google 表示用 Veo 生成的视频会打上 SynthID——它用于标记和识别 AI 生成内容的技术；输出还会经过安全评估与记忆化检查再发布。

在哪些地方可以用 Veo 3.1？

Google 列了五个入口：Gemini、Google Flow、Google Vids、Google AI Studio 和 Gemini API。没有自托管或开放权重的路径。

已发布文章

最新 Google Veo 3.1 文章

浏览所有已发布的 Google Veo 3.1 文章，包括入门介绍、实用指南和开发者文档。