ساخت ویدیو با Google Veo 3.1

⁦Google Veo 3.1⁩ چیست

⁦Veo 3.1⁩ مدل تولید ویدیوی ⁦Google DeepMind⁩ است که در ⁦15⁩ اکتبر ⁦2025⁩ به‌عنوان جانشین ⁦Veo 3⁩ معرفی شد. Google آن را در یک جمله چنین توصیف می‌کند: صدای غنی‌تر، کنترل روایی بیشتر و واقع‌گرایی تقویت‌شده که بافت‌های واقعی را بازتاب می‌دهد، همراه با پایبندی قوی‌تر به پرامپت و کیفیت صوتی-تصویری بهتر در تبدیل تصویر به ویدیو.

در پست معرفی، تغییرات قابلیت‌ها صریحاً نام برده شده‌اند. پشتیبانی از صدا برای نخستین بار به قابلیت‌های موجود رسید، به‌گونه‌ای که ⁦Ingredients to Video⁩، ⁦Frames to Video⁩ و ⁦Extend⁩ همگی صدا تولید می‌کنند. به گسترش صحنه بخشی مستقل اختصاص یافته و پست از کنترل ریزتر بر ویرایش سخن می‌گوید، از جمله درج، حذف یا تغییر عناصر یک کلیپ.

دومین پست رسمی در ⁦13⁩ ژانویه ⁦2026⁩ همین مسیر را ادامه داد: دیالوگ و روایت غنی‌تر در ⁦Ingredients to Video⁩ حتی با پرامپت‌های کوتاه، ثبات هویت که ظاهر شخصیت را در سراسر صحنه‌ها یکسان نگه می‌دارد، خروجی‌های عمودی بومی برای قالب‌های عمودی و ارتقای مقیاس پیشرفته تا ⁦1080p⁩ و ⁦4K⁩. این به‌روزرسانی در برنامه ⁦Gemini⁩، ⁦YouTube⁩، ⁦Flow⁩، ⁦Google Vids⁩، ⁦Gemini API⁩ و ⁦Vertex AI⁩ عرضه شد.

سه نسخه‌ای که Google منتشر می‌کند

کارت مدل ⁦Vertex AI⁩ Google که آخرین‌بار در ⁦10⁩ اکتبر ⁦2026⁩ به‌روزرسانی شده، سه نسخه از ⁦Veo 3.1⁩ را با شناسه‌های مدل جداگانه و مجموعه قابلیت‌های متمایز مستند می‌کند. ردیف‌های جدول زیر نقل‌قولی از همان کارت‌اند.

هر نسخه در کارت دارای ⁦Content Credentials⁩ (⁦C2PA⁩) است، بنابراین کلیپ‌های تولیدشده از طریق ⁦API⁩ همراه با فراداده منشأ عرضه می‌شوند. کارت همچنین منطقه سرویس‌دهی هر نسخه را ⁦us-central1⁩ و زبان پرامپت را انگلیسی اعلام می‌کند.

آنچه کارت مدل مشخص می‌کند

این‌ها مشخصات فنی مشترک از همان کارت ⁦Vertex AI⁩ هستند و عیناً به همان صورت نقل شده‌اند.

دو ردیف خوانش ساده‌ای می‌طلبند. ردیف خروجی ⁦4K⁩ تنها به نسخه ⁦Generate⁩ تعلق دارد و ردیف «فقط انگلیسی» یعنی متن پرامپت باید به انگلیسی نوشته شود، فارغ از زبانی که می‌خواهید در کلیپ شنیده شود.

دو بنچمارکی که Google منتشر می‌کند

صفحه مدل ⁦DeepMind⁩ دو بنچمارک ترجیح برای ⁦Veo 3.1⁩ منتشر می‌کند که هر دو روی ⁦MovieGenBench⁩، مجموعه‌داده‌ای که ⁦Meta⁩ منتشر کرده، اجرا شده‌اند. نمودارها در گالری زیر بازتولید شده‌اند.

هر دو ارزیابی‌های خود Google از مدل خودش‌اند که در صفحه بازاریابی مدل منتشر شده‌اند. این اعداد یک‌طرفه‌اند نه ممیزی مستقل، و این صفحه آن‌ها را دقیقاً با همین جایگاه بازگو می‌کند.

پرامپت‌هایی که Google برای این مدل منتشر کرده است

هر پرامپت زیر در بخش Veo مستندات ⁦Gemini API⁩ منتشر شده و کلمه‌به‌کلمه بازتولید شده است. بلوک کد کنار هر مثال مدل را ⁦veo-3.1-generate-preview⁩ نام می‌برد، پس این رشته‌ها به‌واسطه مستندات خود Google به خط ⁦3.1⁩ گره خورده‌اند.

مستندات توسعه‌دهندگان یک رشته دیگر را هم در کنار ویدیوی خودش منتشر کرده که شایان ذکر است: پرامپتی کوتاه برای ادامه دادن به یک کلیپ موجود ⁦(track the butterfly into the garden as it lands on an orange origami flower)⁩، که قابلیت ⁦Extend⁩ دقیقاً همین‌گونه نمایش داده می‌شود. کلیپ‌های نمایشی این صفحه متفاوت‌اند: ویدیوهای معرفی Google هیچ پرامپت منتشرشده‌ای برای هر کلیپ ندارند، بنابراین روی کارت آن‌ها هیچ پرامپتی نشان داده نمی‌شود.

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.

آنچه این سرویس ارائه می‌دهد

انتخابگر مرجع نهایی برای آنچه اینجا می‌توانید ارسال کنید است و از کارت مدل محدودتر است. ردیف‌های زیر از پیکربندی مدل همین سایت و کاتالوگ عمومی محصولات خوانده شده‌اند.

ردیف مسیر مهم است و به‌سادگی از چشم می‌افتد: کلیپ‌هایی که اینجا ساخته می‌شوند از نسخه ⁦Fast⁩ می‌آیند، پس گزینه ⁦4K⁩ در انتخابگر یک پارامتر درخواست است، نه نشانه‌ای که کلیپ موردنظر با مدل کامل ⁦Generate⁩ رندر شده باشد. ردیف صدا هم همین‌گونه است؛ صدای تولیدشده به‌صورت پیش‌فرض در سمت سرویس اعمال می‌شود و این انتخابگر هیچ کلیدی برای آن ندارد.

آنچه این سرویس ارائه نمی‌دهد

کارت مدل قابلیت‌هایی را مستند می‌کند که برای آن‌ها هیچ کنترلی در انتخابگر نیست. فهرست شده‌اند تا دنبالشان نگردید.

• حالت فریم اول و آخر: در کارت برای ⁦Generate⁩ و ⁦Fast⁩ مستند شده، اما اینجا ارائه نمی‌شود.
• ⁦Extend⁩: راه مستندشده برای ادامه دادن به یک کلیپ موجود اینجا ارائه نمی‌شود.
• تولید با بیش از یک تصویر مرجع: مستندات توسعه‌دهندگان Google تا ⁦3⁩ تصویر مرجع را توصیف می‌کند؛ این سرویس در حالت تصویر به ویدیو یک تصویر می‌پذیرد.
• انتخاب نسخه: انتخابگری میان ⁦Generate⁩، ⁦Fast⁩ و ⁦Lite⁩ وجود ندارد. مسیر روی ⁦Fast⁩ ثابت است.
• تولید دسته‌ای: کارت تا ⁦4⁩ خروجی برای هر پرامپت را مجاز می‌داند؛ این سرویس هر بار یک وظیفه ارسال می‌کند.
• کلید صدا: صدای تولیدشده در سمت سرویس به‌صورت پیش‌فرض روشن است و در درخواست هیچ کلیدی برای آن نیست.

نحوه تولید در اینجا

چهار گام، به ترتیبی که سرویس درخواست می‌کند.

1. حالت را انتخاب کنید: متن به ویدیو، یا تصویر به ویدیو وقتی یک عکس ثابت باید پایه نما باشد.
2. پرامپت را به انگلیسی بنویسید، یا یکی از فهرست بالا را باز کنید و آن را کپی کنید.
3. مدت زمان را بین ⁦4⁩ تا ⁦8⁩ ثانیه، رزولوشن و نسبت تصویر را تنظیم کنید، سپس اگر عکس ثابتی را متحرک می‌کنید یک تصویر مرجع پیوست کنید.
4. پیشنهاد قیمت را بخوانید، وقتی سرویس خواست وارد حساب شوید، سپس ارسال کنید. اگر وظیفه‌ای شکست خورد، پیش از تلاش دوباره وضعیت آن را بخوانید تا وظیفه تکراری ارسال نکنید.

چرا سایت‌های دیگر رقم‌های متفاوتی می‌گویند

صفحاتی که برای این مدل رتبه می‌گیرند قیمت‌ها و قابلیت‌ها را در یکای ناسازگار بیان می‌کنند. هیچ‌کدام رقمی نیست که به وظیفه‌ای که اینجا ارسال می‌شود اعمال شود.

قیمت‌های زیر در اکتبر ⁦2026⁩ از خودِ صفحات رقبا خوانده شده‌اند. این ارقام طرف سوم برای سرویس‌های طرف سوم‌اند، تغییر می‌کنند و یکاهایشان به‌سادگی به یکدیگر تبدیل نمی‌شوند.

تنها رقمی که برای وظیفه در این صفحه الزام دارد، پیشنهاد قیمتی است که سرویس بلافاصله پیش از ارسال چاپ می‌کند و سمت سرور از کاتالوگ زنده محاسبه می‌شود.

• ⁦convly.ai⁩، صفحه‌ای در یک فهرست مدل‌ها، قیمت را از ⁦0.05⁩ دلار آمریکا به ازای هر ثانیه ویدیو اعلام می‌کند.
• ⁦YeLin AI⁩، بازفروشنده ⁦API⁩، قیمت را از ⁦0.15⁩ دلار آمریکا به ازای هر تولید در ⁦8⁩ نسخه مدل، در رابط ⁦OpenAI-compatible⁩ خود اعلام می‌کند.
• ⁦veo3ai.io⁩، یک سایت ابزار، ⁦10⁩ اعتبار به ازای هر کلیپ ⁦8⁩ ثانیه‌ای با سهمیه ثبت‌نام اعلام می‌کند — به زبان چینی.
• ⁦Fastlane⁩، وبلاگی بازاریابی، صدای بومی ⁦48⁩ کیلوهرتز و ⁦Ingredients to Video⁩ را برای نماهای محصول توصیف می‌کند؛ خودش هیچ تولیدی نمی‌فروشد.

آنچه این صفحه وعده نمی‌دهد

صفحه مدل باید بگوید ادعاهای خودش کجا تمام می‌شود. این‌ها مرزهای همین صفحه‌اند.

• هیچ سهمیه رایگانی وعده داده نمی‌شود. هر اعتباری که وجود داشته باشد در حساب شما نشان داده می‌شود، نه اینجا.
• چهار کلیپ گالری، نمایش‌های رسمی ⁦Google DeepMind⁩ برای معرفی محصول‌اند. هیچ‌کدام در این سایت تولید نشده است.
• دو رقم بنچمارک، ارزیابی‌های خود Google از مدل خودش است. این صفحه هیچ مقایسه‌ای از خودش انجام نداده است.
• ادعاهای معرفی (صدای غنی‌تر، پایبندی قوی‌تر به پرامپت، ثبات هویت، ارتقای مقیاس) توصیف‌های Google از محصول خودش است و با همین جایگاه بازگو می‌شود.
• ویدیوهای رسمی معرفی هیچ پرامپت منتشرشده‌ای ندارند، بنابراین کارت‌های گالری به‌جای پرامپت ساختگی، هیچ پرامپتی نشان نمی‌دهند.
• قیمت‌های طرف سوم ارقامی است که آن کسب‌وکارها در اکتبر ⁦2026⁩ برای سرویس‌های خودشان منتشر کرده‌اند؛ این‌ها پیشنهاد قیمت برای وظایفی که اینجا ارسال می‌شوند نیستند.
• تأخیر، رفتار صف و صورت‌حساب نهایی به سرویس در لحظه ارسال شما بستگی دارد، نه به هیچ چیزی که در اینجا گفته شده است.

منشأ نمونه‌ها و رقم‌ها

هر رقم و هر کلیپ در این صفحه به یکی از منابع زیر می‌رسد. مجوز رسانه‌ها در کارت‌های گالری ذکر شده است.