Crea vídeo con Google Veo 3.1
Describe un plano o adjunta una imagen de referencia, y Veo 3.1 devuelve un clip corto con sonido. Este espacio de trabajo envía la solicitud al producto invocable Google Veo 3.1 publicado para este sitio por Star Task y muestra un presupuesto antes de crear cualquier tarea.
Google Veo 3.1Este modelo no admite vídeos de referencia
Resultados
El contenido generado aparecerá aquí
Qué es Google Veo 3.1
Veo 3.1 es el modelo de generación de vídeo de Google DeepMind, anunciado el 15 de octubre de 2025 como sucesor de Veo 3. La publicación de lanzamiento de Google lo describe en una frase: audio más rico, más control narrativo y un realismo mejorado que captura texturas fieles a la realidad, con mayor adherencia al prompt y una calidad audiovisual mejorada al convertir imágenes en vídeo.
La publicación de lanzamiento nombra los cambios de capacidades directamente. El soporte de audio llegó por primera vez a funciones existentes, de modo que Ingredients to Video, Frames to Video y Extend producen sonido. La extensión de escenas obtuvo su propia sección, y la publicación describe un control más granular de la edición, incluida la posibilidad de insertar, eliminar o cambiar elementos de un clip.
Una segunda publicación oficial del 13 de enero de 2026 continuó la línea: diálogos y narraciones más ricos en Ingredients to Video incluso con prompts breves, consistencia de identidad que mantiene a un personaje con el mismo aspecto en todas las escenas, salidas verticales nativas para formatos de retrato y reescalado de vanguardia hasta 1080p y 4K. Esa actualización se desplegó en la Gemini app, YouTube, Flow, Google Vids, la Gemini API y Vertex AI.
Las tres variantes que Google publica
La ficha del modelo de Vertex AI de Google, actualizada por última vez el 10 de octubre de 2026, documenta tres variantes de Veo 3.1 con ID de modelo y conjuntos de capacidades separados. Las filas siguientes citan esa ficha.
Cada variante de la ficha incluye Content Credentials (C2PA), por lo que los clips producidos por la API llevan metadatos de procedencia. La ficha también marca la región de servicio de cada variante como us-central1 y el idioma del prompt como inglés.
| Variante | ID de modelo | Estado en la ficha | Qué difiere |
|---|---|---|---|
| Veo 3.1 Generate | veo-3.1-generate-001 | GA | El conjunto completo: texto a vídeo, imagen a vídeo, primer y último fotograma, extend, imágenes de referencia, generación de sonido. Resoluciones de salida 720p, 1080p y 4K. |
| Veo 3.1 Fast | veo-3.1-fast-generate-001 | GA, lanzada el 17 de noviembre de 2025 | El mismo conjunto de capacidades, pero la salida se detiene en 720p y 1080p; la ficha no lista salida 4K para Fast. |
| Veo 3.1 Lite | veo-3.1-lite-generate-001 | Vista previa, lanzada el 2 de abril de 2026 | El conjunto más estrecho: la ficha marca la entrada de imagen y las imágenes de referencia como no compatibles. La salida se detiene en 720p y 1080p. |
Lo que especifica la ficha del modelo
Estas son las especificaciones técnicas compartidas de la misma ficha de Vertex AI, citadas tal como están escritas.
Dos filas merecen una lectura llana. La fila de salida 4K corresponde solo a la variante Generate, y la fila de solo inglés significa que el texto del prompt debe escribirse en inglés, independientemente del idioma que quieras que se hable en el clip.
| Especificación | Valor en la ficha |
|---|---|
| Duraciones de vídeo | 4, 6 u 8 segundos; la imagen de referencia a vídeo solo admite 8 segundos |
| Máximo de salidas por prompt | 4 |
| Relaciones de aspecto | 9:16, 16:9 |
| Resoluciones de entrada | 720p, 1080p |
| Resoluciones de salida | 720p, 1080p, 4K |
| Velocidad de fotogramas | 24 FPS |
| Contenedor | video/mp4 |
| Idiomas del prompt | Inglés |
| Límite de entrada de imagen a vídeo | 20 MB por imagen |
Los dos benchmarks que Google publica
La página del modelo de DeepMind publica dos benchmarks de preferencia para Veo 3.1, ambos ejecutados en MovieGenBench, un conjunto de datos que Meta publicó. Los gráficos se reproducen en la galería siguiente.
Ambos son evaluaciones propias de Google sobre su propio modelo, publicadas en la página de marketing del modelo. Son cifras de primera parte, no auditorías independientes, y esta página las repite exactamente como tales.
| Benchmark | Qué se midió | Resultado que Google informa |
|---|---|---|
| Preferencia general T2V | Los participantes vieron 1.003 prompts y sus vídeos | Veo 3.1 rinde mejor en preferencia general. Última actualización: octubre de 2025. |
| Alineación audio-vídeo T2VA | Los participantes vieron 527 prompts | Las salidas de Veo 3.1 fueron elegidas por un audio mejor sincronizado con el contenido del vídeo. |
Los prompts que Google publica para este modelo
Cada prompt siguiente está publicado en la sección Veo de la documentación de la Gemini API de Google y reproducido palabra por palabra. El bloque de código junto a cada ejemplo nombra el modelo veo-3.1-generate-preview, por lo que estas cadenas quedan vinculadas a la línea 3.1 por la propia documentación de Google.
La documentación para desarrolladores publica una cadena más que merece atención junto a su propio vídeo: un prompt corto para extender un clip existente (sigue a la mariposa hasta el jardín mientras aterriza sobre una flor de origami naranja), que es como se demuestra la función extend. Los clips de demostración de esta página son distintos: los vídeos de lanzamiento de Google no tienen prompts por clip publicados, así que ninguno se muestra en sus tarjetas.
A close up of two people staring at a cryptic drawing on a wall, torchlight flickering. A man murmurs, 'This must be it. That's the secret code.' The woman looks at him and whispering excitedly, 'What did you find?'
Drone shot following a classic red convertible driven by a man along a winding coastal road at sunset, waves crashing against the rocks below. The convertible accelerates fast and the engine roars loudly.
A whimsical stop-motion animation of a tiny robot tending to a garden of glowing mushrooms on a miniature planet.
The video opens with a medium, eye-level shot of a beautiful woman with dark hair and warm brown eyes. She wears a magnificent, high-fashion flamingo dress with layers of pink and fuchsia feathers, complemented by whimsical pink, heart-shaped sunglasses. She walks with serene confidence through the crystal-clear, shallow turquoise water of a sun-drenched lagoon. The camera slowly pulls back to a medium-wide shot, revealing the breathtaking scene as the dress's long train glides and floats gracefully on the water's surface behind her. The cinematic, dreamlike atmosphere is enhanced by the vibrant colors of the dress against the serene, minimalist landscape, capturing a moment of pure elegance and high-fashion fantasy.
Lo que este espacio de trabajo expone
El selector es la autoridad sobre lo que puedes enviar aquí, y es más limitado que la ficha del modelo. Las filas siguientes se leen de la configuración del modelo de este sitio y del catálogo público de productos.
La fila de la ruta importa y es fácil pasarla por alto: los clips generados aquí provienen de la variante Fast, de modo que la opción 4K del selector es un parámetro de solicitud, no la prueba de que un clip dado fue renderizado por el modelo Generate completo. La fila de audio funciona igual; el audio generado se aplica por defecto en el lado del servicio y este selector no ofrece interruptor para ello.
| Control | Opciones en este espacio de trabajo |
|---|---|
| Modos | Texto a vídeo e imagen a vídeo |
| Duración | 4, 6 u 8 segundos, con 4 por defecto |
| Resolución | 720p, 1080p o 4K, con 720p por defecto |
| Relación de aspecto | Auto, 16:9 o 9:16, con auto por defecto |
| Imagen de referencia | Una imagen en imagen a vídeo |
| Audio | El catálogo informa de audio generado con una capacidad activada por defecto; no se muestra ningún interruptor de audio porque el esquema actual del formulario no expone ninguno |
| Ruta subyacente | El catálogo dirige las solicitudes de este sitio a veo-3.1-fast-generate-preview, la variante Fast |
| Coste | Resuelto en el servidor; el catálogo actualmente parte de 14 créditos por segundo de salida, y el presupuesto impreso antes de enviar es la cifra vinculante |
Lo que este espacio de trabajo no expone
La ficha del modelo documenta capacidades para las que este selector no tiene control. Se listan para que no las busques.
- Modo de primer y último fotograma: documentado en la ficha para Generate y Fast, no se ofrece aquí.
- Extend: la forma documentada de continuar un clip existente no se ofrece aquí.
- Generación con imágenes de referencia más allá de una imagen: la documentación para desarrolladores de Google describe hasta 3 imágenes de referencia; este espacio de trabajo acepta una en imagen a vídeo.
- Elección de variante: no hay selector entre Generate, Fast y Lite. La ruta está fijada a Fast.
- Generación por lotes: la ficha permite hasta 4 salidas por prompt; este espacio de trabajo envía una tarea cada vez.
- Un interruptor de audio: el audio generado está activado por defecto en el lado del servicio, sin opción en la solicitud.
Cómo generar aquí
Cuatro pasos, en el orden en que el espacio de trabajo los pide.
- Elige el modo: texto a vídeo, o imagen a vídeo cuando una imagen fija debe dirigir el plano.
- Escribe el prompt en inglés, o abre uno de la lista anterior y cópialo.
- Ajusta la duración entre 4 y 8 segundos, la resolución y la relación de aspecto, y adjunta una imagen de referencia si vas a animar una imagen fija.
- Lee el presupuesto, inicia sesión cuando el espacio de trabajo lo pida y envía. Si una tarea falla, lee su estado antes de reintentar para no enviar un duplicado.
Por qué otros sitios citan cifras diferentes
Las páginas que posicionan para este modelo citan precios y capacidades en unidades incompatibles. Ninguna de ellas es la cifra que aplica a una tarea enviada aquí.
Los precios siguientes se leyeron de las páginas de la competencia mismas en octubre de 2026. Son cifras de terceros para servicios de terceros, cambian, y sus unidades no se convierten limpiamente entre sí.
La única cifra que vincula a una tarea en esta página es el presupuesto que el espacio de trabajo imprime inmediatamente antes del envío, resuelto en el servidor desde el catálogo en vivo.
- convly.ai, una página de directorio de modelos, indica precios desde 0,05 dólares estadounidenses por segundo de vídeo.
- YeLin AI, un revendedor de API, indica precios desde 0,15 dólares estadounidenses por generación en 8 variantes de modelo, en su propia interfaz OpenAI-compatible.
- veo3ai.io, un sitio de herramientas, indica 10 créditos por clip de 8 segundos con una asignación de registro, en chino.
- Fastlane, un blog de marketing, describe audio nativo de 48 kHz e Ingredients to Video para tomas de producto; no vende generación por sí mismo.
Lo que esta página no promete
Una página de modelo debe decir dónde se detienen sus propias afirmaciones. Estos son los límites de esta.
- No se promete ninguna asignación gratuita. Los créditos que existan se muestran en tu cuenta, no aquí.
- Los cuatro clips de la galería son las demostraciones oficiales de lanzamiento de Google DeepMind. Ninguno fue generado en este sitio.
- Las dos cifras de benchmark son evaluaciones propias de Google sobre su propio modelo. Esta página no realizó ninguna comparación propia.
- Las afirmaciones de lanzamiento (audio más rico, mayor adherencia al prompt, consistencia de identidad, reescalado) son descripciones de Google sobre su propio producto, repetidas como tales.
- Los vídeos oficiales de lanzamiento no llevan prompts publicados, de modo que sus tarjetas de galería no muestran ningún prompt en lugar de uno inventado.
- Los precios de terceros son las cifras que esas empresas publicaron para sus propios servicios en octubre de 2026; no son presupuestos para tareas enviadas aquí.
- La latencia, el comportamiento de la cola y la facturación final dependen del servicio en el momento del envío, no de nada declarado aquí.
De dónde vienen las muestras y las cifras
Cada cifra y cada clip de esta página se remonta a una de las fuentes siguientes. Las licencias de medios se indican en las tarjetas de la galería.
| Fuente | Usado para | Referencia |
|---|---|---|
| Ficha del modelo de Vertex AI, Veo 3.1 | Las tres variantes, ID de modelo, estados, conjuntos de capacidades y especificaciones técnicas | docs.cloud.google.com ↗ |
| Publicación de lanzamiento de Google DeepMind, 15 de octubre de 2025 | La descripción de lanzamiento, audio en Ingredients/Frames/Extend, extensión de escenas, control de edición | blog.google ↗ |
| Actualización del blog de Google, 13 de enero de 2026 | Consistencia de identidad, salidas verticales nativas, reescalado a 1080p y 4K, superficies de despliegue | blog.google ↗ |
| Página del modelo Veo de DeepMind | Los dos benchmarks de preferencia y sus recuentos de prompts | deepmind.google ↗ |
| Documentación para desarrolladores de la Gemini API | Los prompts publicados reproducidos en la sección de prompts | ai.google.dev ↗ |
| Catálogo público de productos de Star Task para este sitio | Cada control, ruta y precio en las secciones del espacio de trabajo | task.starhk.uk, site-18 |
Ejemplos
El vídeo de introducción propio de Google DeepMind sobre Veo 3.1, publicado con la publicación de lanzamiento del 15 de octubre de 2025. Es el resumen del editor sobre el modelo: audio más rico, más control narrativo y realismo mejorado.
La demostración oficial de Ingredients to Video: varias imágenes de referencia controlan los personajes, los objetos y el estilo, y el modelo compone la escena final. Es la capacidad que obtuvo audio en el lanzamiento de la 3.1.
La demostración oficial de Frames to Video: una imagen inicial y una imagen final, con el modelo generando la transición perfecta entre ambas. La publicación de lanzamiento trajo audio a esta función por primera vez.
La demostración oficial de consistencia de identidad de la actualización de enero de 2026: un personaje mantiene el mismo aspecto mientras el escenario cambia entre escenas, lo que hace práctico contar historias multiescena con un mismo reparto.
Benchmark de preferencia general de texto a vídeo de Google: 1.003 prompts de MovieGenBench, con los participantes prefiriendo las salidas de Veo 3.1 en general. Evaluación propia de Google, última actualización octubre de 2025.
Benchmark de alineación audio-vídeo de Google: 527 prompts de MovieGenBench, con las salidas de Veo 3.1 elegidas por un audio mejor sincronizado con el contenido del vídeo. Evaluación propia de Google.
Preguntas frecuentes
¿Qué es Google Veo 3.1?
Es el modelo de generación de vídeo de Google DeepMind, anunciado el 15 de octubre de 2025 como sucesor de Veo 3. Google lo describe como un aporte de audio más rico, más control narrativo y realismo mejorado, con mayor adherencia al prompt y una calidad audiovisual mejorada al convertir imágenes en vídeo.
¿Cuál es la diferencia entre Generate, Fast y Lite?
Son las tres variantes de la ficha del modelo de Vertex AI de Google. Generate está en GA con el conjunto completo de capacidades y salida hasta 4K. Fast está en GA desde el 17 de noviembre de 2025 con las mismas capacidades pero salida que se detiene en 1080p. Lite es una Vista previa lanzada el 2 de abril de 2026 con entrada de imagen e imágenes de referencia marcadas como no compatibles. El catálogo de este espacio de trabajo dirige las solicitudes a la variante Fast.
¿Cuánto puede durar un clip?
La ficha del modelo especifica 4, 6 u 8 segundos, y la generación con imagen de referencia solo admite 8 segundos. Google documenta una función extend para continuar clips, que este espacio de trabajo no ofrece.
¿Genera audio?
Sí. Llevar audio a las capacidades existentes fue el cambio principal del lanzamiento de la 3.1, y el catálogo de este sitio informa de audio generado con una capacidad activada por defecto. Este selector no ofrece interruptor de audio; el servicio aplica audio por defecto.
¿Puedo usar imágenes de referencia aquí?
Una imagen en modo imagen a vídeo. La documentación para desarrolladores de Google describe hasta 3 imágenes de referencia para los modelos que las admiten; la forma de solicitud de este espacio de trabajo acepta una.
¿Cuánto cuesta una ejecución aquí?
El espacio de trabajo solicita un presupuesto en el servidor antes del envío, y ese presupuesto es la autoridad de facturación. El catálogo público actualmente parte de 14 créditos por segundo de salida, con variaciones según resolución y audio.
¿Los clips de esta página se generaron en este sitio?
No. Los cuatro son demostraciones oficiales de Google DeepMind publicadas con el lanzamiento de Veo 3.1 y las publicaciones de la actualización de enero. Se recodificaron a 1280 px para su entrega web sin ningún cambio de contenido, y no se muestra ningún prompt porque Google no publica ninguno.
¿Por qué otros sitios citan precios diferentes?
Son negocios distintos que fijan precios a sus propios servicios en unidades diferentes: por segundo, por generación o por clip en créditos del sitio. Esta página lista lo que varios publicaron en octubre de 2026, y ninguno es la cifra que aplica aquí; lo es el presupuesto antes de enviar.
Sigue explorando
Generador de vídeos con IA
Genera vídeo con cuatro niveles Seedance: Seedance 2.5 y los niveles 2.0, 2.0 Fast y 2.0 Mini. Compara duración, resolución y entradas, y crea.
Herramientas de imagen y vídeo
Todas las tareas de imagen y vídeo de este sitio en un solo lugar: genera una imagen, genera un vídeo, lee un prompt de una foto o abre un modelo.