Veo 3.1 es un modelo de video de Google DeepMind, uno de los primeros en generar video junto con el sonido. El modelo entiende las descripciones de audio directamente en el prompt: una escena de playa recibe el romper de las olas y graznidos de gaviotas, la lluvia en la ciudad suena como gotas golpeando el suelo, y un presentador en cámara dice la frase que indiques, en perfecta sincronía.
El servicio ofrece Veo 3.1 Fast, más rápido y económico que la versión completa, con el mismo realismo característico. Renderiza de forma convincente la física del movimiento, la luz y los materiales, y maneja con solvencia personas y escenas complejas. Los videos pueden generarse desde texto o desde una foto; la duración es de 4, 6 u 8 segundos, con resolución 720p o 1080p al mismo precio.
El sonido es opcional: con él, un clip de 4 segundos cuesta 66 créditos, sin él, 44. Veo 3.1 es una excelente opción para anuncios, clips con voz y escenas donde el realismo importa.