Veo 3.1 est un modèle vidéo de Google DeepMind, l'un des premiers à générer la vidéo en même temps que le son. Le modèle comprend les descriptions audio directement dans le prompt : une scène de plage reçoit le bruit des vagues et les cris des mouettes, la pluie en ville obtient le crépitement des gouttes, et un présentateur à l'écran prononce la réplique que vous indiquez, parfaitement synchronisée.
Le service propose Veo 3.1 Fast — plus rapide et moins cher que la version complète, avec le même réalisme caractéristique. Il rend de façon convaincante la physique des mouvements, la lumière et les matières, et gère avec assurance les personnages et les scènes complexes. Les vidéos peuvent être générées à partir d'un texte ou d'une photo ; la durée est de 4, 6 ou 8 secondes, avec une résolution 720p ou 1080p au même prix.
Le son est optionnel : avec lui, un clip de 4 secondes coûte 66 crédits, sans lui — 44. Veo 3.1 est un excellent choix pour les publicités, les clips avec voix et les scènes où le réalisme compte.