Créer des vidéos avec Google Veo 3.1

Ce qu’est Google Veo 3.1

Veo 3.1 est le modèle de génération vidéo de Google DeepMind, annoncé le 15 octobre 2025 comme successeur de Veo 3. Le billet de lancement de Google le décrit en une phrase : un audio plus riche, plus de contrôle narratif et un réalisme renforcé qui capture des textures fidèles au réel, avec une meilleure adhérence au prompt et une qualité audiovisuelle améliorée lors de la transformation d’images en vidéos.

Le billet de lancement nomme directement les évolutions de capacités. Le support audio a atteint pour la première fois des fonctionnalités existantes, de sorte que Ingredients to Video, Frames to Video et Extend produisent toutes du son. L’extension de scène a obtenu sa propre section, et le billet décrit un contrôle plus fin du montage, y compris l’insertion, la suppression ou la modification d’éléments d’un clip.

Un deuxième billet officiel du 13 janvier 2026 a poursuivi la lignée : des dialogues et récits plus riches issus d’Ingredients to Video même avec des prompts courts, une cohérence d’identité qui garde un personnage identique d’une scène à l’autre, des sorties verticales natives pour les formats portrait, et un upscaling à l’état de l’art jusqu’en 1080p et 4K. Cette mise à jour a été déployée sur la Gemini app, YouTube, Flow, Google Vids, la Gemini API et Vertex AI.

Les trois variantes que Google publie

La fiche de modèle Vertex AI de Google, mise à jour pour la dernière fois le 10 octobre 2026, documente trois variantes de Veo 3.1 avec des ID de modèle et des ensembles de capacités distincts. Les lignes ci-dessous citent cette fiche.

Chaque variante de la fiche embarque les Content Credentials (C2PA), de sorte que les clips produits par l’API sont livrés avec des métadonnées de provenance. La fiche marque aussi la région de service de chaque variante comme us-central1 et la langue des prompts comme anglais.

Ce que la fiche de modèle spécifie

Voici les spécifications techniques communes de la même fiche Vertex AI, citées telles qu’écrites.

Deux lignes méritent une lecture simple. La ligne de sortie 4K concerne uniquement la variante Generate, et la ligne anglais uniquement signifie que le texte du prompt doit être rédigé en anglais, quelle que soit la langue que vous souhaitez entendre dans le clip.

Les deux benchmarks que Google publie

La page du modèle DeepMind publie deux benchmarks de préférence pour Veo 3.1, tous deux exécutés sur MovieGenBench, un jeu de données publié par Meta. Les graphiques sont reproduits dans la galerie ci-dessous.

Tous deux sont des évaluations propres de Google sur son propre modèle, publiées sur la page marketing du modèle. Ce sont des chiffres de première main, pas des audits indépendants, et cette page les reproduit exactement comme tels.

Les prompts que Google publie pour ce modèle

Chaque prompt ci-dessous est publié dans la section Veo de la documentation Gemini API de Google et reproduit mot pour mot. Le bloc de code à côté de chaque exemple nomme le modèle veo-3.1-generate-preview ; ces chaînes sont donc liées à la ligne 3.1 par la documentation de Google elle-même.

La documentation développeurs publie une chaîne supplémentaire à noter à côté de sa propre vidéo : un prompt court pour prolonger un clip existant (suivez le papillon jusque dans le jardin tandis qu’il se pose sur une fleur en origami orange), qui est la façon dont la fonction extend est démontrée. Les clips de démonstration de cette page sont différents : les vidéos de lancement de Google n’ont aucun prompt par clip publié, aucun n’est donc affiché sur leurs cartes.

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.

Ce que cet espace expose

Le sélecteur fait autorité sur ce que vous pouvez soumettre ici, et il est plus étroit que la fiche de modèle. Les lignes ci-dessous proviennent de la configuration de modèle propre à ce site et du catalogue public de produits.

La ligne de la route compte et est facile à manquer : les clips générés ici proviennent de la variante Fast, si bien que l’option 4K du sélecteur est un paramètre de requête, et non la preuve qu’un clip donné a été rendu par le modèle Generate complet. La ligne audio fonctionne de la même façon ; l’audio généré est appliqué par défaut côté service et ce sélecteur n’offre aucun commutateur pour cela.

Ce que cet espace n’expose pas

La fiche de modèle documente des capacités pour lesquelles ce sélecteur n’offre aucun réglage. Elles sont listées pour que vous ne les cherchiez pas.

• Mode première et dernière image : documenté sur la fiche pour Generate et Fast, non proposé ici.
• Extend : le moyen documenté de prolonger un clip existant n’est pas proposé ici.
• Génération avec plus d’une image de référence : la documentation développeurs de Google décrit jusqu’à 3 images de référence ; cet espace en accepte une en image vers vidéo.
• Choix de la variante : il n’y a pas de sélecteur entre Generate, Fast et Lite. La route est fixée sur Fast.
• Génération par lot : la fiche autorise jusqu’à 4 sorties par prompt ; cet espace soumet une tâche à la fois.
• Un commutateur audio : l’audio généré est activé par défaut côté service, sans option dans la requête.

Comment générer ici

Quatre étapes, dans l’ordre où l’espace les demande.

1. Choisissez le mode : texte vers vidéo, ou image vers vidéo quand une image fixe doit piloter le plan.
2. Rédigez le prompt en anglais, ou ouvrez-en un depuis la liste ci-dessus et copiez-le.
3. Réglez la durée entre 4 et 8 secondes, la résolution et le rapport d’aspect, puis joignez une image de référence si vous animez une image fixe.
4. Lisez le devis, connectez-vous quand l’espace le demande, puis soumettez. Si une tâche échoue, lisez son statut avant de réessayer afin de ne pas soumettre un doublon.

Pourquoi d’autres sites citent des chiffres différents

Les pages bien classées pour ce modèle citent des prix et des capacités en unités incompatibles. Aucun d’eux n’est le chiffre qui s’applique à une tâche soumise ici.

Les prix ci-dessous ont été relevés directement sur les pages concurrentes en octobre 2026. Ce sont des chiffres de tiers pour des services de tiers, ils évoluent, et leurs unités ne se convertissent pas proprement entre elles.

Le seul chiffre qui engage une tâche sur cette page est le devis que l’espace affiche immédiatement avant la soumission, résolu côté serveur depuis le catalogue en direct.

• convly.ai, une page d’annuaire de modèles, indique des tarifs à partir de 0,05 dollars américains par seconde de vidéo.
• YeLin AI, un revendeur d’API, indique des tarifs à partir de 0,15 dollars américains par génération sur 8 variantes de modèle, dans sa propre interface OpenAI-compatible.
• veo3ai.io, un site d’outils, indique 10 crédits par clip de 8 secondes avec un quota à l’inscription, en chinois.
• Fastlane, un blog marketing, décrit un audio natif 48 kHz et Ingredients to Video pour les plans produits ; il ne vend lui-même aucune génération.

Ce que cette page ne promet pas

Une page de modèle doit dire où s’arrêtent ses propres affirmations. Voici les limites de celle-ci.

• Aucun quota gratuit n’est promis. Les crédits qui existent s’affichent dans votre compte, pas ici.
• Les quatre clips de la galerie sont les démonstrations officielles de lancement de Google DeepMind. Aucun n’a été généré sur ce site.
• Les deux chiffres de benchmark sont des évaluations propres de Google sur son propre modèle. Cette page n’a mené aucune comparaison de son côté.
• Les affirmations de lancement (audio plus riche, meilleure adhérence au prompt, cohérence d’identité, upscaling) sont les descriptions de Google de son propre produit, répétées comme telles.
• Les vidéos officielles de lancement ne comportent aucun prompt publié ; leurs cartes de galerie n’affichent donc aucun prompt plutôt qu’un prompt inventé.
• Les prix de tiers sont les chiffres que ces entreprises ont publiés pour leurs propres services en octobre 2026 ; ce ne sont pas des devis pour des tâches soumises ici.
• La latence, le comportement de la file et la facturation finale dépendent du service au moment de la soumission, de rien de ce qui est déclaré ici.

D’où viennent les exemples et les chiffres

Chaque chiffre et chaque clip de cette page remonte à l’une des sources ci-dessous. Les licences des médias sont indiquées sur les cartes de la galerie.