使用 Google Veo 3.1 建立影片

Google Veo 3.1 是什麼

Veo 3.1 是 Google DeepMind 的影片生成模型，於 2025年10月15日 發布，作為 Veo 3 的後繼者。Google 的發布文章用一句話概括它：更豐富的音訊、更強的敘事控制，以及能捕捉真實世界質感的強化擬真度，在將圖像轉為影片時具備更強的提示詞遵循能力與更佳的視聽品質。

發布文章直接點名了能力變化。音訊支援首次涵蓋現有功能，因此 Ingredients to Video、Frames to Video 與 Extend 全都能產出聲音。場景延伸（scene extension）獲得了獨立章節，文章還描述了對編輯更細緻的控制，包括插入、移除或更改片段中的元素。

2026年1月13日 的第二篇官方文章延續了這一路線：Ingredients to Video 即使使用簡短提示詞也能帶來更豐富的對白與敘事；角色一致性（identity consistency）讓角色在不同場景中維持同一外貌；原生直式輸出對應直式格式；以及最先進的超解析度放大至 1080p 和 4K。該更新已涵蓋 Gemini app、YouTube、Flow、Google Vids、Gemini API 與 Vertex AI。

Google 發布的三個變體

Google 的 Vertex AI 模型卡（最後更新於 2026年10月10日）記錄了三個 Veo 3.1 變體，各自擁有獨立的模型 ID 與能力集合。下表各行引自該模型卡。

模型卡上的每個變體都帶有內容憑證（C2PA），因此透過 API 生成的片段會附帶來源中繼資料。模型卡也將每個變體的服務區域標記為 us-central1，提示詞語言標記為英文。

模型卡規定了什麼

以下是同一張 Vertex AI 模型卡中的共享技術規格，按原文引用。

有兩行值得直白解讀。4K 輸出一行僅屬於 Generate 變體；僅限英文一行意味著無論你想讓影片中說哪種語言，提示詞文字都應以英文撰寫。

Google 發布的兩項基準測試

DeepMind 模型頁為 Veo 3.1 發布了兩項偏好基準測試，均在 MovieGenBench（Meta 發布的資料集）上執行。圖表重製於下方藝廊。

兩者都是 Google 對自家模型的評測，發布在模型的行銷頁面上。它們是第一方數字，並非獨立稽核，本頁也僅以這一性質轉述它們。

Google 為該模型發布的提示詞

下方每條提示詞均發布於 Google 的 Gemini API 文件 Veo 章節，並逐字複製。每個範例旁的程式碼區塊標明模型為 veo-3.1-generate-preview，因此這些字串由 Google 自己的文件綁定到 3.1 系列。

開發者文件還在其影片旁發布了另一條值得注意的字串：一段用於延伸現有片段的短提示詞（跟蹤蝴蝶進入花園，停在一朵橘色摺紙花上），extend 功能正是這樣示範的。本頁的示範片段則不同：Google 的發布影片沒有公布逐條提示詞，因此其卡片上不顯示任何提示詞。

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.

本工作區開放的能力

選擇器是這裡能提交什麼的最終權威，它比模型卡更窄。下表各行讀取自本站自己的模型設定與公開產品目錄。

路由一行很重要且容易被忽略：這裡生成的片段來自 Fast 變體，因此選擇器中的 4K 選項只是一個請求參數，並不能證明某個片段由完整的 Generate 模型渲染。音訊一行同理；生成音訊由伺服器端預設套用，此選擇器沒有為它提供任何開關。

本工作區未開放的能力

模型卡記錄了一些此選擇器沒有對應控制項的能力。列出它們是為了讓你不必尋找。

• 首尾格模式：模型卡為 Generate 和 Fast 記錄了該能力，這裡不提供。
• Extend：文件所述延續現有片段的方式，這裡不提供。
• 多於一張圖像的參考圖生成：Google 的開發者文件描述最多 3 張參考圖像；本工作區在圖生影片中只接受一張。
• 變體選擇：沒有在 Generate、Fast 和 Lite 之間選擇的選項。路由固定為 Fast。
• 批次生成：模型卡允許每個提示詞最多 4 個輸出；本工作區一次只提交一個任務。
• 音訊開關：生成音訊由伺服器端預設開啟，請求中沒有切換項。

如何在這裡生成

四個步驟，按工作區要求的順序。

1. 選擇模式：文字生影片；若要用一張靜態圖驅動鏡頭，則選圖片生影片。
2. 以英文撰寫提示詞，或從上方清單開啟一條並複製。
3. 在 4 到 8 秒之間設定時長、解析度與長寬比；若要讓靜態圖動起來，再附上一張參考圖像。
4. 閱讀報價，在工作區要求時登入，然後提交。若任務失敗，先閱讀其狀態再重試，以免提交重複任務。

為什麼其他網站引用不同的數字

排名靠前的頁面以互不相容的單位引用價格與能力。它們之中沒有任何一個數字適用於在此提交的任務。

以下價格於 2026年10月 直接讀取自競品頁面本身。它們是第三方服務的第三方數字，會變動，且單位之間無法乾淨換算。

對本頁任務唯一有效的數字，是工作區在提交前一刻顯示的報價，該報價由伺服器端從即時目錄解析而來。

• convly.ai，一個模型目錄頁，標註影片每秒 0.05 美元起。
• YeLin AI，一個 API 經銷商，在其自有 OpenAI-compatible 介面中標註每次生成 0.15 美元起，涵蓋 8 個模型變體。
• veo3ai.io，一個工具站，以中文標註註冊贈送額度內每條 8 秒片段 10 點數。
• Fastlane，一個行銷部落格，描述 48 kHz 原生音訊與用於產品鏡頭的 Ingredients to Video；其自身不銷售生成服務。

本頁不做承諾的地方

模型頁應說明自身主張的邊界。以下是本頁的邊界。

• 不承諾任何免費額度。存在的點數只顯示在你的帳戶中，不顯示在這裡。
• 藝廊中的四段片段是 Google DeepMind 的官方發布示範。沒有一段在本站生成。
• 兩項基準數字是 Google 對自家模型的評測。本頁未執行任何自己的比較。
• 發布主張（更豐富的音訊、更強的提示詞遵循、角色一致性、超解析度放大）是 Google 對自家產品的描述，僅以此性質轉述。
• 官方發布影片沒有公布提示詞，因此其藝廊卡片不顯示提示詞，而非編造一條。
• 第三方價格是這些企業在 2026年10月 為其自身服務公布的數字；它們不是在此提交任務的報價。
• 延遲、佇列行為與最終計費取決於你提交那一刻的服務狀態，而非此處陳述的任何內容。

範例與數字的來源

本頁的每個數字、每段片段都可追溯到下列來源之一。媒體授權隨藝廊卡片註明。