Google Veo 3.1 · видео со звуком, кадрами и референсами

Veo · видеомодель Google. Актуальная версия в документации Gemini API · Veo 3.1: короткий ролик с картинкой и звуком, которые генерируются вместе. Модель понимает реплики персонажей, звуковые эффекты и фоновый шум, умеет оживлять фото, держать внешность по референсам и строить переход между первым и последним кадром.

Разберём возможности по официальной документации Google, параметры каждой версии, устройство промпта и ошибки, из-за которых ролик получается не таким, как задумано.

Что умеет Veo 3.1

• Видео со звуком. Звук включён всегда: речь, эффекты и атмосфера рождаются вместе с картинкой и синхронизированы с действием.
• Горизонталь и вертикаль. Форматы 16:9 по умолчанию и 9:16 для клипов.
• Видео из фото. Изображение становится первым кадром, промпт описывает, что происходит дальше.
• До трёх референсов. Фото человека, персонажа или товара, чью внешность нужно сохранить в ролике.
• Первый и последний кадр. Модель строит движение от одной картинки к другой.
• Продление. Готовый ролик Veo можно продолжить новым фрагментом.

Документация отдельно подчёркивает широкий диапазон стилей: от кинематографичной съёмки до мультипликации.

Версии и параметры

Таблица собрана по странице Gemini API. Цифры относятся к запросу через API Google. В Студии доступные настройки показывает форма запуска модели.

Что ещё важно знать:

• Частота кадров у всех версий 24 кадра в секунду, один ролик на запрос.
• С референсами, а также в 1080p и 4K длительность фиксирована на 8 секундах.
• Продление работает только для 720p и только у Veo 3.1 и 3.1 Fast. Каждый шаг добавляет 7 секунд, шагов может быть до 20.
• Ролики Veo помечаются невидимым водяным знаком SynthID.
• В режимах с фото и референсами API допускает в кадре только взрослых людей.
• На странице Gemini API указано, что превью-версии Veo 3.1 в Gemini API закрыты 22 октября 2026 года. Google предлагает переходить на Gemini Omni Flash или на стабильные модели платформы Gemini Enterprise Agent Platform.

Про язык промпта документация говорит прямо: английский поддерживается полностью, другие языки не проверялись и могут работать с разным результатом. Если русский промпт понят неточно, продублируйте ключевые фразы на английском.

Как устроен хороший промпт

Google советует начинать с главной идеи, затем уточнять её ключевыми словами и добавлять видеотерминологию. В промпте выделяются такие элементы:

1. Объект. Человек, животное, предмет или пейзаж.
2. Действие. Что объект делает: идёт, бежит, поворачивает голову.
3. Стиль. Жанр или техника: фантастика, нуар, мультфильм.
4. Положение и движение камеры. По желанию: вид сверху, на уровне глаз, наезд, съёмка с дрона.
5. Композиция. По желанию: общий план, крупный план, один или два человека в кадре.
6. Фокус и объектив. По желанию: малая глубина резкости, макро, широкий угол.
7. Атмосфера. По желанию: цвет и свет, например холодные синие тона или ночь.

Описательные прилагательные и наречия помогают. Если важны черты лица, Google советует прямо обозначить портрет.

Хорошие промпты описательные и ясные · Google, Veo prompt guide

Подробный разбор всех элементов с примерами есть в нашем переводе руководства Google по промптам Veo.

Звук: реплики, эффекты и фон

Veo озвучивает сцену по подсказкам из промпта. Документация выделяет три вида подсказок.

• Реплики. Конкретную речь берите в кавычки и указывайте, кто говорит и как.
• Звуковые эффекты. Называйте звуки явно: визг шин, рёв мотора, скрип двери.
• Фоновый шум. Опишите звуковую картину места: гул офиса, далёкая сирена, прибой.

Руководство Google по промптам советует описывать звук отдельными предложениями. Чем подробнее звуковая часть, тем точнее результат, это хорошо видно на примерах в документации.

Фото, референсы и кадры

Видео из фото. Veo делает загруженное изображение первым кадром. Выбирайте картинку, которая ближе всего к первой сцене задуманного ролика, а в промпте описывайте движение и звук.

Референсы. До трёх изображений одного человека, персонажа или товара. Модель сохраняет их внешность в ролике. Опишите в промпте, что объект делает и где находится.

Первый и последний кадр. Вы задаёте начало и конец, модель строит движение между ними. Это удобно, когда важно точно попасть в финальную композицию. Подробнее в статье о первом и последнем кадре.

Продление. Veo продолжает действие с последней секунды ролика. Голос не удастся продлить, если его нет в последней секунде исходника.

Примеры промптов

Частые ошибки

• Реплика без кавычек. Документация советует брать конкретную речь в кавычки. Без них модель может пересказать смысл другими словами или не озвучить его.
• Звук в одном предложении с картинкой. Описывайте звук отдельными фразами, тогда модель не теряет эффекты и фон.
• Сюжет на минуту в 8 секундах. Ролик короткий. Одна сцена, одно действие, один-два звука.
• Ожидание 4K или 1080p в коротком ролике. Высокое разрешение доступно только при длительности 8 секунд.
• Продление без голоса в конце. Если в последней секунде исходника нет речи, продлить голос не получится.
• Слишком разные первый и последний кадр. Модели нужен понятный путь от одного к другому. Опишите его в промпте.
• Запреты в основном тексте. Руководство Google описывает отдельный негативный промпт: в нём перечисляют нежелательные объекты, а не фразы с «не» и «без». Если отдельного поля в форме нет, опишите в основном промпте то, что хотите увидеть.

Как попробовать в Студии

Откройте Veo 3.1 в разделе Видео и вставьте промпт. Зарубежные модели работают после согласия, которое отмечается флажком при входе, подробнее в статье о согласии. Цена в кредитах видна на кнопке запуска до нажатия.

Если Veo вам сейчас не подходит, те же промпты со звуком можно запустить в Kling 3.0 или Seedance 2.0. Сравнение моделей есть в гайдах о Kling и о Seedance.