Veo 3.1 — видеомодель Google DeepMind, одна из первых, научившихся генерировать видео вместе со звуком. Модель понимает описание аудио прямо в промпте: сцена на пляже получит шум прибоя и крики чаек, дождь в городе — стук капель, а ведущий в кадре синхронно произнесёт указанную реплику.
В сервисе ImageGPT доступна версия Veo 3.1 Fast — быстрее и дешевле полной, с тем же характерным реализмом. Она хорошо передаёт физику движения, свет и материалы, уверенно работает с людьми и сложными сценами. Видео можно создать по тексту или из фото; длительность — 4, 6 или 8 секунд, разрешение 720p или 1080p по одной цене.
Звук включается по желанию: с ним ролик стоит 66 кредитов за 4 секунды, без него — 44. Veo 3.1 — хороший выбор для рекламы, роликов с речью и сцен, где важен реализм.