Veo 3.1

Per Sekund:$0.05

Veo 3.1 er Googles inkrementelle, men væsentlige opdatering af sin Veo tekst-og-billede→video-familie, som tilføjer rigere indbygget lyd, længere og mere kontrollerbare videooutput samt mere finkornet redigering og kontroller på sceneniveau.

Kommersiel brug

Playground

Oversigt

Funktioner

Priser

API

Versioner

Kernefunktioner

Veo 3.1 fokuserer på praktiske funktioner til indholdsskabelse:

Native lydgenerering (dialog, baggrundslyd, SFX) integreret i output. Veo 3.1 genererer native lyd (dialog + ambience + SFX) justeret til den visuelle tidslinje; modellen sigter mod at bevare læbesynkronisering og audio–visuel justering for dialog og scenesignaler.
Længere output (understøttelse af op til ~60 sekunder / 1080p i forhold til Veo 3’s meget korte klip, 8 s), og multi-prompt multi-shot sekvenser for narrativ kontinuitet.
Scene Extension og First/Last Frame tilstande, der udvider eller interpolerer optagelser mellem keyframes.
Indsættelse af objekter og (kommer) fjernelse af objekter samt redigeringsprimitiver i Flow.

Hvert punkt ovenfor er designet til at reducere manuelt VFX-arbejde: lyd og scenekontinuitet er nu førsteklasses output fremfor eftertanker.

Tekniske detaljer (modeladfærd og input)

Modelfamilie og varianter: Veo tilhører Googles Veo-3-familie; preview-model-ID er typisk veo3.1-pro; veo3.1 (CometAPI-dokumentation). Den accepterer tekstprompter, billedreferencer (enkelt frame eller sekvenser) og strukturerede multi-prompt layouts til multi-shot-generering.

Opløsning og varighed: Forhåndsvisningsdokumentation beskriver output ved 720p/1080p med muligheder for længere varigheder (op til ~60 s i visse forhåndsindstillinger) og højere kvalitet end tidligere Veo-varianter.

Billedformater: 16:9 (understøttet) og 9:16 (understøttet, undtagen i nogle reference-billedflows).

Prompt-sprog: Engelsk (forhåndsvisning).

API-grænser: Typiske forhåndsgrænser omfatter maks. 10 API-anmodninger/min pr. projekt, maks. 4 videoer pr. anmodning, og videolængder kan vælges blandt 4, 6 eller 8 sekunder (reference-billedflows understøtter 8 s).

Benchmark-ydeevne

Googles interne og offentligt sammenfattede evalueringer rapporterer stærk præference for Veo 3.1-output på tværs af menneskelige vurderinger på metrikker såsom teksttilpasning, visuel kvalitet og audio–visuel sammenhæng (text→video og image→video opgaver).

Veo 3.1 opnåede state-of-the-art resultater i interne sammenligninger med menneskelige bedømmere på tværs af flere objektive akser — samlet præference, prompt-tilpasning (text→video og image→video), visuel kvalitet, audio-video-justering og “visuelt realistisk fysik” på benchmark-datasæt som MovieGenBench og VBench.

Begrænsninger og sikkerhedsovervejelser

Begrænsninger:

Artefakter og inkonsistens: trods forbedringer kan visse lysforhold, finmasket fysik og komplekse okklusioner stadig give artefakter; image→video-konsistens (især over lange varigheder) er forbedret, men ikke perfekt.
Misinformation / deepfake-risiko: rigere lyd + indsættelse/fjernelse af objekter øger risikoen for misbrug (realistisk falsk lyd og udvidede klip). Google bemærker afbødninger (politik, værn), og tidligere Veo-lanceringer henviste til vandmærkning/SynthID for at hjælpe med oprindelsesverificering; tekniske værn eliminerer dog ikke misbrugsrisiko.
Omkostnings- og gennemløbsbegrænsninger: højopløselige, lange videoer er beregningsmæssigt dyre og er i øjeblikket begrænset i en betalt forhåndsvisning — forvent højere latenstid og omkostninger sammenlignet med billedmodeller. Community-opslag og Google-forumtråde diskuterer tilgængelighedsvinduer og fallback-strategier.

Sikkerhedskontroller: Veo 3.1 har integrerede indholdspolitikker, vandmærkning/SynthID-signalisering i tidligere Veo-udgivelser og adgangskontroller i forhåndsvisning; kunder rådes til at følge platformspolitikken og implementere menneskelig gennemgang for højrisiko-output.

Praktiske anvendelsestilfælde

Hurtig prototypning for kreative: storyboards → multi-shot-klip og animatics med native dialog til tidlig kreativ gennemgang.
Marketing og kortformatindhold: 15–60 s produktspots, sociale klip og koncept-teasere, hvor hastighed betyder mere end perfekt fotorealisme.
Image→video-tilpasning: omdanne illustrationer, figurer eller to frames til glidende overgange eller animerede scener via First/Last Frame og Scene Extension.
Udvidelse af værktøjer: integreret i Flow til iterativ redigering (indsættelse/fjernelse af objekter, lysforudindstillinger), hvilket reducerer manuelle VFX-pas.

Sammenligning med andre førende modeller

Veo 3.1 vs Veo 3 (forgænger): Veo 3.1 fokuserer på forbedret prompt-overholdelse, lydkvalitet og multi-shot-konsistens — inkrementelle, men betydningsfulde opdateringer, der har til formål at reducere artefakter og forbedre redigerbarhed.

Veo 3.1 vs OpenAI Sora 2: kompromiser rapporteret i pressen: Veo 3.1 lægger vægt på kontrol over længere fortælleformer, integreret lyd, og Flow-redigeringsintegration; Sora 2 (når sammenlignet i pressen) fokuserer på andre styrker (hastighed, forskellige redigeringspipelines). TechRadar og andre medier fremstiller Veo 3.1 som Googles målrettede konkurrent til Sora 2 for narrativ og længere videounderstøttelse. Uafhængige side-om-side-tests er stadig begrænsede.

Priser for Veo 3.1

Udforsk konkurrencedygtige priser for Veo 3.1, designet til at passe til forskellige budgetter og brugsbehov. Vores fleksible planer sikrer, at du kun betaler for det, du bruger, hvilket gør det nemt at skalere, efterhånden som dine krav vokser. Opdag hvordan Veo 3.1 kan forbedre dine projekter, mens omkostningerne holdes håndterbare.

veo3.1（videos）

Model name	Tags	Calculate price
veo3.1-all	videos	$0.20000
veo3.1	videos	$0.40000

Eksempelkode og API til Veo 3.1

Få adgang til omfattende eksempelkode og API-ressourcer for Veo 3.1 for at strømline din integrationsproces. Vores detaljerede dokumentation giver trin-for-trin vejledning, der hjælper dig med at udnytte det fulde potentiale af Veo 3.1 i dine projekter.

POST

/v1/videos

Python
JavaScript
Curl

import os
import requests
import json

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

headers = {
    "Authorization": COMETAPI_KEY,
}

# ============================================================
# Step 1: Download Reference Image
# ============================================================
print("Step 1: Downloading reference image...")

image_url = "https://images.unsplash.com/photo-1506905925346-21bda4d32df4?w=1280"
image_response = requests.get(image_url)
image_path = "/tmp/veo3.1_reference.jpg"
with open(image_path, "wb") as f:
    f.write(image_response.content)
print(f"Reference image saved to: {image_path}")

# ============================================================
# Step 2: Create Video Generation Task (form-data with image upload)
# ============================================================
print("
Step 2: Creating video generation task...")

with open(image_path, "rb") as image_file:
    files = {
        "input_reference": ("reference.jpg", image_file, "image/jpeg"),
    }
    data = {
        "prompt": "A breathtaking mountain landscape with clouds flowing through valleys, cinematic aerial shot",
        "model": "veo3.1",
        "size": "16x9",
    }
    create_response = requests.post(
        f"{BASE_URL}/videos", headers=headers, data=data, files=files
    )

create_result = create_response.json()
print("Create response:", json.dumps(create_result, indent=2))

task_id = create_result.get("id")
if not task_id:
    print("Error: Failed to get task_id from response")
    exit(1)
print(f"Task ID: {task_id}")

# ============================================================
# Step 3: Query Task Status
# ============================================================
print("
Step 3: Querying task status...")

query_response = requests.get(f"{BASE_URL}/videos/{task_id}", headers=headers)
query_result = query_response.json()
print("Query response:", json.dumps(query_result, indent=2))

task_status = query_result.get("data", {}).get("status")
print(f"Task status: {task_status}")

Python Code Example

import os
import requests
import json

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

headers = {
    "Authorization": COMETAPI_KEY,
}

# ============================================================
# Step 1: Download Reference Image
# ============================================================
print("Step 1: Downloading reference image...")

image_url = "https://images.unsplash.com/photo-1506905925346-21bda4d32df4?w=1280"
image_response = requests.get(image_url)
image_path = "/tmp/veo3.1_reference.jpg"
with open(image_path, "wb") as f:
    f.write(image_response.content)
print(f"Reference image saved to: {image_path}")

# ============================================================
# Step 2: Create Video Generation Task (form-data with image upload)
# ============================================================
print("\nStep 2: Creating video generation task...")

with open(image_path, "rb") as image_file:
    files = {
        "input_reference": ("reference.jpg", image_file, "image/jpeg"),
    }
    data = {
        "prompt": "A breathtaking mountain landscape with clouds flowing through valleys, cinematic aerial shot",
        "model": "veo3.1",
        "size": "16x9",
    }
    create_response = requests.post(
        f"{BASE_URL}/videos", headers=headers, data=data, files=files
    )

create_result = create_response.json()
print("Create response:", json.dumps(create_result, indent=2))

task_id = create_result.get("id")
if not task_id:
    print("Error: Failed to get task_id from response")
    exit(1)
print(f"Task ID: {task_id}")

# ============================================================
# Step 3: Query Task Status
# ============================================================
print("\nStep 3: Querying task status...")

query_response = requests.get(f"{BASE_URL}/videos/{task_id}", headers=headers)
query_result = query_response.json()
print("Query response:", json.dumps(query_result, indent=2))

task_status = query_result.get("data", {}).get("status")
print(f"Task status: {task_status}")

JavaScript Code Example

import fs from "fs";
import path from "path";
import os from "os";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1";

// ============================================================
// Step 1: Download Reference Image
// ============================================================
console.log("Step 1: Downloading reference image...");

const imageUrl = "https://images.unsplash.com/photo-1506905925346-21bda4d32df4?w=1280";
const imageResponse = await fetch(imageUrl);
const imageBuffer = Buffer.from(await imageResponse.arrayBuffer());
const imagePath = path.join(os.tmpdir(), "veo3.1_reference.jpg");
fs.writeFileSync(imagePath, imageBuffer);
console.log(`Reference image saved to: ${imagePath}`);

// ============================================================
// Step 2: Create Video Generation Task (form-data with image upload)
// ============================================================
console.log("\nStep 2: Creating video generation task...");

const formData = new FormData();
formData.append("prompt", "A breathtaking mountain landscape with clouds flowing through valleys, cinematic aerial shot");
formData.append("model", "veo3.1");
formData.append("size", "16x9");
formData.append("input_reference", new Blob([fs.readFileSync(imagePath)], { type: "image/jpeg" }), "reference.jpg");

const createResponse = await fetch(`${base_url}/videos`, {
  method: "POST",
  headers: {
    "Authorization": api_key,
  },
  body: formData,
});

const createResult = await createResponse.json();
console.log("Create response:", JSON.stringify(createResult, null, 2));

const taskId = createResult?.id;
if (!taskId) {
  console.log("Error: Failed to get task_id from response");
  process.exit(1);
}
console.log(`Task ID: ${taskId}`);

// ============================================================
// Step 3: Query Task Status
// ============================================================
console.log("\nStep 3: Querying task status...");

const queryResponse = await fetch(`${base_url}/videos/${taskId}`, {
  method: "GET",
  headers: {
    "Authorization": api_key,
  },
});

const queryResult = await queryResponse.json();
console.log("Query response:", JSON.stringify(queryResult, null, 2));

const taskStatus = queryResult?.data?.status;
console.log(`Task status: ${taskStatus}`);

Curl Code Example

#!/bin/bash
# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

BASE_URL="https://api.cometapi.com/v1"
IMAGE_PATH="/tmp/veo3.1_reference.jpg"

# ============================================================
# Step 1: Download Reference Image
# ============================================================
echo "Step 1: Downloading reference image..."

curl -s -o "$IMAGE_PATH" "https://images.unsplash.com/photo-1506905925346-21bda4d32df4?w=1280"
echo "Reference image saved to: $IMAGE_PATH"

# ============================================================
# Step 2: Create Video Generation Task (form-data with image upload)
# ============================================================
echo ""
echo "Step 2: Creating video generation task..."

RESPONSE=$(curl -s -X POST "${BASE_URL}/videos" \
  -H "Authorization: $COMETAPI_KEY" \
  -F 'prompt=A breathtaking mountain landscape with clouds flowing through valleys, cinematic aerial shot' \
  -F 'model=veo3.1' \
  -F 'size=16x9' \
  -F "input_reference=@${IMAGE_PATH}")

echo "Create response:"
echo "$RESPONSE" | jq .

TASK_ID=$(echo "$RESPONSE" | jq -r '.id')

if [ "$TASK_ID" = "null" ] || [ -z "$TASK_ID" ]; then
  echo "Error: Failed to get task_id from response"
  exit 1
fi

echo "Task ID: $TASK_ID"

# ============================================================
# Step 3: Query Task Status
# ============================================================
echo ""
echo "Step 3: Querying task status..."

QUERY_RESPONSE=$(curl -s -X GET "${BASE_URL}/videos/${TASK_ID}" \
  -H "Authorization: $COMETAPI_KEY")

echo "Query response:"
echo "$QUERY_RESPONSE" | jq .

TASK_STATUS=$(echo "$QUERY_RESPONSE" | jq -r '.data.status')
echo "Task status: $TASK_STATUS"

Versioner af Veo 3.1

Årsagen til, at Veo 3.1 har flere øjebliksbilleder kan omfatte potentielle faktorer såsom variationer i output efter opdateringer, der kræver ældre øjebliksbilleder for konsistens, at give udviklere en overgangsperiode til tilpasning og migration, og at forskellige øjebliksbilleder svarer til globale eller regionale slutpunkter for at optimere brugeroplevelsen. For detaljerede forskelle mellem versioner, henvises der til den officielle dokumentation.

Model-id	beskrivelse	Tilgængelighed	Pris	Anmodning
veo3.1-all	Den anvendte teknologi er uofficiel, og genereringen er ustabil osv.	✅	$0.2 / pr.	Chat format
veo3.1	Anbefales, peger på den nyeste model	✅	$0.4/ pr.	Asynkron generering

Flere modeller

Relaterede blogs

Apr 20, 2026

Kling 3.0 vs Veo 3.1: Det ultimative 2026-opgør mellem AI-videogeneratorer

Kling 3.0 ligger i front med ægte 4K multi-shot-fortælling og overlegen kamerakontrol. Veo 3.1 udmærker sig ved fotorealistisk fysik, indbygget lydsynkronisering og integration med Google-økosystemet, hvilket gør den ideel til filmiske eller erhvervsprojekter. For de fleste brugere afhænger valget af prioriteringerne: Kling 3.0 for hastighed, konsistens og pris; Veo 3.1 for førsteklasses realisme og lyd.

Apr 1, 2026

Hvad er Google Veo 3.1 Lite?

Hvad er Veo 3.1 Lite? Veo 3.1 Lite er Googles nyeste, omkostningseffektive videogenereringsmodel for udviklere, lanceret den 31. marts 2026. Den understøtter tekst-til-video og billede-til-video, leverer video med lyd og er designet til brug i stor skala. Google siger, at den koster under halvdelen af Veo 3.1 Fast, samtidig med at den bevarer samme hastighed, med outputformaterne 16:9 og 9:16 samt understøttelse af 720p/1080p-opløsning.

Mar 25, 2026

Sådan får du Grok Imagine gratis: adgang, priser og alternativer

Grok Imagine Video er ikke gratis på de officielle xAI/Grok-platforme pr. marts 2026 (gratisniveauet er fjernet på grund af høj efterspørgsel og bekymringer om misbrug), men du kan få adgang til den til en overkommelig pris — eller med gratis startkreditter — via tredjepartsaggregatorer som CometAPI. CometAPI tilbyder modellen for kun $0.04 pr. sekund (480p), og nye brugere modtager ofte $1–$5 i gratis kreditter ved tilmelding.

Mar 5, 2026

Sådan redigerer du videoer med Veo 3.1

Google introducerede offentligt Veo 3.1 (og en Veo 3.1 Fast-variant) i midten af oktober 2025 som en forbedret tekst-til-video-model, der producerer korte videoer med højere kvalitet.

Jan 31, 2026

Hvad er vidu Q3? Det er måske den bedste AI-videomodel i 2026

Vidu Q3 meldte sig på banen i begyndelsen af 2026 som et af de hidtil tydeligste signaler på, at AI-drevet videogenerering er på vej fra korte, gimmickprægede klip mod egentlig narrativ historiefortælling på tværs af flere indstillinger. I månederne siden den brede lancering er Vidu Q3 blevet en fast bestanddel i indholdsskaberes arbejdsgange, forskningspilotprojekter og kommercielle pilotprojekter — og med god grund: den skubber grænserne for varighed, audiovisuel integration og sammenhæng på tværs af flere indstillinger længere end de fleste tidligere modeller, samtidig med at den tilbyder en udviklervendt API til programmatisk brug.