Veo 3.1 é um modelo de vídeo do Google DeepMind, um dos primeiros a gerar vídeo junto com o som. O modelo entende descrições de áudio direto no prompt: uma cena de praia ganha o som das ondas quebrando e gritos de gaivotas, chuva na cidade ganha o som das gotas caindo, e um apresentador em quadro fala a frase que você indicar, tudo sincronizado.
O serviço oferece o Veo 3.1 Fast — mais rápido e mais barato que a versão completa, mantendo o mesmo realismo característico. Ele renderiza a física do movimento, iluminação e materiais de forma convincente, e lida bem com pessoas e cenas complexas. Os vídeos podem ser gerados a partir de texto ou de uma foto; a duração é de 4, 6 ou 8 segundos, com resolução 720p ou 1080p pelo mesmo preço.
O som é opcional: com ele, um clipe custa 66 créditos para 4 segundos, sem ele — 44. O Veo 3.1 é uma ótima escolha para anúncios, clipes narrados e cenas em que o realismo é essencial.