Veo 3.1 adalah model video dari Google DeepMind, salah satu yang pertama mampu menghasilkan video sekaligus dengan suaranya. Model ini memahami deskripsi audio langsung dari prompt: adegan pantai akan disertai deburan ombak dan suara burung camar, hujan di kota akan disertai suara rintik hujan, dan seorang presenter dalam bingkai akan mengucapkan kalimat yang Anda tentukan, selaras dengan gerakan bibirnya.
Layanan ini menghadirkan Veo 3.1 Fast — versi yang lebih cepat dan lebih murah dibanding versi penuhnya, namun tetap mempertahankan tingkat realisme khasnya. Model ini merender fisika gerakan, pencahayaan, dan material dengan meyakinkan, serta mampu menangani manusia dan adegan kompleks dengan percaya diri. Video dapat dibuat dari teks atau dari foto; durasinya 4, 6, atau 8 detik, dengan resolusi 720p atau 1080p pada harga yang sama.
Suara bersifat opsional: dengan suara, satu klip berdurasi 4 detik berharga 66 kredit, tanpa suara — 44 kredit. Veo 3.1 adalah pilihan solid untuk iklan, klip bersuara, dan adegan yang menuntut realisme tinggi.