Hvornår bør jeg bruge Veo 3.1 i stedet for Sora 2?

Vælg Veo 3.1, når lydsynkronisering, billedstyrede arbejdsgange, lodret indholdsproduktion eller integration i Google-værktøjsøkosystemet er vigtigst.

Er der en gratis prøveversion af Veo 3.1 API i CometAPI?

Nye brugere modtager en gratis nøgle, og API-prisen vil stadig være 20 % af den officielle pris.

Kan Veo 3.1 generere lodrette videoer til TikTok eller Shorts?

Ja. Veo 3.1 understøtter 9:16-formatforhold som standard.

Er Veo 3.1 egnet til kommercielle markedsføringsvideoer og annoncer?

Ja. Den er velegnet til brandet indhold, produktvideoer og kampagner på sociale medier.

Kan Veo 3.1 API generere videoer ud fra billeder såvel som tekstprompter?

Ja. Veo 3.1 understøtter både tekst-til-video- og billede-til-video-arbejdsgange, så skabere kan starte fra prompter, billeder eller frame guidance-arbejdsgange.

Hvad skal jeg gøre, hvis genereringen med Veo 3.1 mislykkes eller giver dårlige resultater?

Reducer promptens kompleksitet, forenkl kamerainstruktionerne, og iterer prompterne.

Google

Tilgængelig

veo3.1

Veo 3.1 API

Veo 3.1 er en flagskibsmodel til AI-videogenerering, designet til filmisk output i høj kvalitet med indbygget lydsynkronisering. Den leverer realistiske bevægelser, høj visuel troværdighed og tæt afstemt audiovisuel generering til professionel videoproduktion.

Startpris

$0.32 / sekund

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

May 31, 2026

Google

Playground

Prøv Veo 3.1 med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Oversigt

Et praktisk overblik over Veo 3.1, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for Veo 3.1

Emne	Veo 3.1 (offentlige specifikationer)
Officiel model-ID	veo-3.1-generate-001
Udbyder	Google DeepMind / Google Cloud
Modeltype	Tekst-til-video og billede-til-video-generering
Inputtyper	Tekstprompter, billedinput, first-frame + last-frame-vejledning
Outputtype	AI-genereret video
Understøttede opløsninger	720p og 1080p, 4K
Understøttede billedformater	16:9 og 9:16
Understøttet billedfrekvens	24 FPS
Videovarighed	4s-, 6s- eller 8s-klip (tilstandsafhængigt)
Promptsprog	Engelsk
Videoer pr. forespørgsel	Op til 4
API-ratebegrænsning	Op til 50 forespørgsler/minut/projekt
Understøttet udrulning	Vertex AI, Gemini-økosystemintegrationer, Flow
Ikke-understøttede funktioner (officiel dokumentation)	Dynamisk delt kvote, nogle reference-billede-workflows, native video-udvidelse i standard API-flow

Hvad er Veo 3.1?

Veo 3.1 er Googles flagskibsmodel til generativ video med fokus på filmisk videokvalitet, stærkere overholdelse af prompts, bedre scenekonsistens og multimodale arbejdsgange til videoproduktion. Den rækker ud over standard tekst-til-video-generering ved at understøtte billedstyret generering og frame-kontrollerede historiefortællingsworkflows. Officiel støtte omfatter tekst-til-video, billede-til-video, prompt-omskrivning og First/Last Frame-genereringsworkflows.

Kernefunktioner

Veo 3.1 fokuserer på praktiske funktioner til indholdsskabelse:

Indbygget lydgenerering (dialog, omgivelseslyd, SFX) integreret i output. Veo 3.1 genererer indbygget lyd (dialog + omgivelse + SFX), der er justeret til den visuelle tidslinje; modellen sigter mod at bevare læbesynkronisering og audio–visuel tilpasning for dialog og scenemarkører.
Længere output (understøttelse af op til ~60 sekunder / 1080p i forhold til Veo 3’s meget korte klip, 8s) og multi-prompt multi-shot-sekvenser for narrativ kontinuitet.
Scene Extension- og First/Last Frame-tilstande, der udvider eller interpolerer optagelser mellem nøgleframes.
Objektindsættelse og (kommer) objektfjernelse samt redigeringsprimitiver i Flow.

Hvert af ovenstående punkter er designet til at reducere manuelt VFX-arbejde: lyd og scenekontinuitet er nu førsteklasses output frem for en eftertanke.

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 doc). Den accepterer tekstprompter, billedreferencer (enkeltframe eller sekvenser) og strukturerede multi-prompt-layouts til multi-shot-generering.

Opløsning og varighed: Preview-dokumentation beskriver output i 720p/1080p med muligheder for længere varigheder (op til ~60s i visse preview-indstillinger) og højere troskab end tidligere Veo-varianter.

Billedforhold: 16:9 (understøttet) og 9:16 (understøttet, undtagen i nogle reference-billede-flows).

Promptsprog: Engelsk (preview).

API-begrænsninger: Typiske preview-begrænsninger omfatter maks. 10 API-forespørgsler/min pr. projekt, maks. 4 videoer pr. forespørgsel og videolængder, der kan vælges mellem 4, 6 eller 8 sekunder (reference-billede-flows understøtter 8s).

Benchmark-ydelse

Googles interne og offentligt opsummerede evalueringer rapporterer stærk præference for Veo 3.1-output på tværs af menneskelige bedømmeres sammenligninger af metrikker såsom tekstjustering, visuel kvalitet og audio–visuel koherens (tekst→video og billede→video-opgaver).

Veo 3.1 opnåede state-of-the-art-resultater i interne sammenligninger med menneskelige bedømmere på flere objektive akser — samlet præference, promptjustering (tekst→video og billede→video), visuel kvalitet, audio–video-justering og “visuelt realistisk fysik” på benchmark-datasæt såsom MovieGenBench og VBench.

Begrænsninger og sikkerhedsovervejelser

Begrænsninger:

Artefakter og inkonsistens: På trods af forbedringer kan visse lysforhold, finkornet fysik og komplekse okklusioner stadig give artefakter; konsistens i billede→video (især over lange varigheder) er forbedret, men ikke perfekt.
Misinformation-/deepfake-risiko: Rigere lyd + objektindsættelse/-fjernelse øger risikoen for misbrug (realistisk falsk lyd og udvidede klip). Google nævner afbødninger (politik, sikkerhedsforanstaltninger), og tidligere Veo-lanceringer refererede til vandmærkning/SynthID for at hjælpe med proveniens; tekniske værn eliminerer dog ikke misbrugsrisiko.
Omkostnings- og gennemløbsbegrænsninger: Høj opløsning og lange videoer er beregningstunge og er aktuelt begrænset i en betalt preview — 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-udgaver og preview-adgangskontroller; kunder rådes til at følge platformens politik og implementere menneskelig gennemgang for højrisiko-output.

Praktiske anvendelser

Hurtig prototyping for kreative: storyboards → multi-shot-klip og animatics med indbygget dialog til tidlig kreativ gennemgang.
Marketing og kortformatindhold: 15–60s produktspots, sociale klip og konceptteasere, hvor hastighed vægtes højere end perfekt fotorealisme.
Billede→video-tilpasning: at omdanne illustrationer, figurer eller to frames til glidende overgange eller animerede scener via First/Last Frame og Scene Extension.
Værktøjsudvidelse: integreret i Flow til iterativ redigering (objektindsættelse/-fjernelse, lysforudindstillinger), der reducerer manuelle VFX-pas.

Sammenligning med andre førende modeller

Veo 3.1 vs. Veo 3 (forgænger): Veo 3.1 fokuserer på forbedret overholdelse af prompts, lydkvalitet og multi-shot-konsistens — inkrementelle, men betydningsfulde opdateringer, der sigter mod at reducere artefakter og forbedre redigerbarhed.

Veo 3.1 vs. OpenAI Sora 2: Afvejninger rapporteret i pressen: Veo 3.1 lægger vægt på længere narrativ kontrol, integreret lyd og Flow-redigeringsintegration; Sora 2 (ved sammenligning i pressen) fokuserer på andre styrker (hastighed, forskellige redigeringspipelines). TechRadar og andre medier beskriver Veo 3.1 som Googles målrettede konkurrent til Sora 2 for narrativ og længere video-understøttelse. Uafhængige side-om-side-tests er fortsat begrænsede.

Funktion	Veo 3.1	Sora 2	Runway Gen-4 / Gen-4.5
Indbygget lodret output	Ja	Begrænset workflow-understøttelse	Ja
Billede-til-video	Ja	Ja	Ja
Fokus på lydintegration	Stærk	Moderat	Moderat
Frame-conditioning	Ja	Ja	Delvis
Optimering til sociale videoer	Stærk	Moderat	Stærk
API-økosystemintegration	Google-økosystem	OpenAI-økosystem	Skaberværktøjs-økosystem

Hvordan bruger jeg Veo 3.1 API med CometAPI?

Opret en CometAPI API-nøgle
Vælg veo-3.1-generate-001 som model-endpoint
Send prompt- eller billedinput via video-genererings-API’en
Poll resultater og hent genererede videoer
Iterér prompter for kamerabevægelse, scenekontinuitet og konsistensforbedringer

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

5-sekunders test

$1.60

Estimeret CometAPI-forbrugsomkostning

10-sekunders test

$3.20

Estimeret CometAPI-forbrugsomkostning

15-sekunders test

$4.80

Estimeret CometAPI-forbrugsomkostning

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.

Veo Video Generation Pricing

Pricing (Per Second)

Model	720p	1080p	4K
`veo3`	$0.32	$0.32	$0.48
`veo3-fast`	$0.08	$0.096	$0.24
`veo3.1`	$0.32	$0.32	$0.48
`veo3.1-fast`	$0.08	$0.096	$0.24

💡 Billed per second. Total cost = price per second × video duration (seconds).

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/videos

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

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
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 "https://api.cometapi.com/v1/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=$(curl -s -X GET "https://api.cometapi.com/v1/videos/${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"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
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 "https://api.cometapi.com/v1/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=$(curl -s -X GET "https://api.cometapi.com/v1/videos/${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"

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}`);

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-video

image-to-video

Input og output

Input

text

Output

video

Produktionsprofil

Udbyder: Google
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug Veo 3.1 til produktions-workflows, der matcher dens video-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Tekst-til-video-koncepter og socialt indhold

Produktdemoer og filmiske storyboards

Billed-til-video-bevægelse og kreativ iteration

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

Aliyun

Wan3.0

Fra hurtig verifikation til filmisk output, baseres faktureringen på varigheden af den genererede video, valg af passende opløsning og omdannelse af hver generering til en planlagt kreativ investeringsaktivitetsregel

Se model

Flux

Flux 3

FLUX 3 - Modeller i den virkelige verden: Mod multimodale flowmodeller som rygraden i visuel intelligens.

Se model

Aliyun

Happy Horse 1.1

HappyHorse 1.1 er en multimodal videogenereringsmodel, designet til professionel indholdsproduktion, reklame, kortfilm, produktion til sociale medier og historiefortælling. Den udvider mulighederne i HappyHorse 1.0—som vakte betydelig opmærksomhed efter at have placeret sig højt i uafhængige evalueringer af videogenerering—med stærkere scenesammenhæng og forbedret visuel fidelitet.

Se model

OpenAI

Sora 2 Pro

Sora 2 Pro er vores mest avancerede og kraftfulde mediegenereringsmodel, der kan generere videoer med synkroniseret lyd. Den kan skabe detaljerede, dynamiske videoklip ud fra naturligt sprog eller billeder.

Se model

Aliyun

Happy Horse 1.0

Happy Horse 1.0 — en højkvalitets lyd- og videogenereringsmodel, der understøtter tekst-til-video- og billede-til-video-generering. Den kan generere synkroniserede visuelle elementer, lyd og læbebevægelser, hvilket gør den velegnet til kortfilm, annoncekreativer og produktpræsentationer.

Se model

OpenAI

Sora 2

Superkraftig videogenereringsmodel, med lydeffekter, understøtter chatformat.

Se model

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

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

Bliv ved med at udforske

Sammenlign modeller, og fortsæt din research

Google

Tilgængelig

veo3.1

Veo 3.1 API

Startpris

$0.32 / sekund

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

May 31, 2026

Google

Playground

Prøv Veo 3.1 med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Oversigt

Et praktisk overblik over Veo 3.1, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Tekniske specifikationer for Veo 3.1

Emne	Veo 3.1 (offentlige specifikationer)
Officiel model-ID	veo-3.1-generate-001
Udbyder	Google DeepMind / Google Cloud
Modeltype	Tekst-til-video og billede-til-video-generering
Inputtyper	Tekstprompter, billedinput, first-frame + last-frame-vejledning
Outputtype	AI-genereret video
Understøttede opløsninger	720p og 1080p, 4K
Understøttede billedformater	16:9 og 9:16
Understøttet billedfrekvens	24 FPS
Videovarighed	4s-, 6s- eller 8s-klip (tilstandsafhængigt)
Promptsprog	Engelsk
Videoer pr. forespørgsel	Op til 4
API-ratebegrænsning	Op til 50 forespørgsler/minut/projekt
Understøttet udrulning	Vertex AI, Gemini-økosystemintegrationer, Flow
Ikke-understøttede funktioner (officiel dokumentation)	Dynamisk delt kvote, nogle reference-billede-workflows, native video-udvidelse i standard API-flow

Hvad er Veo 3.1?

Kernefunktioner

Veo 3.1 fokuserer på praktiske funktioner til indholdsskabelse:

Indbygget lydgenerering (dialog, omgivelseslyd, SFX) integreret i output. Veo 3.1 genererer indbygget lyd (dialog + omgivelse + SFX), der er justeret til den visuelle tidslinje; modellen sigter mod at bevare læbesynkronisering og audio–visuel tilpasning for dialog og scenemarkører.
Længere output (understøttelse af op til ~60 sekunder / 1080p i forhold til Veo 3’s meget korte klip, 8s) og multi-prompt multi-shot-sekvenser for narrativ kontinuitet.
Scene Extension- og First/Last Frame-tilstande, der udvider eller interpolerer optagelser mellem nøgleframes.
Objektindsættelse og (kommer) objektfjernelse samt redigeringsprimitiver i Flow.

Hvert af ovenstående punkter er designet til at reducere manuelt VFX-arbejde: lyd og scenekontinuitet er nu førsteklasses output frem for en eftertanke.

Tekniske detaljer (modeladfærd og input)

Billedforhold: 16:9 (understøttet) og 9:16 (understøttet, undtagen i nogle reference-billede-flows).

Promptsprog: Engelsk (preview).

Benchmark-ydelse

Begrænsninger og sikkerhedsovervejelser

Begrænsninger:

Artefakter og inkonsistens: På trods af forbedringer kan visse lysforhold, finkornet fysik og komplekse okklusioner stadig give artefakter; konsistens i billede→video (især over lange varigheder) er forbedret, men ikke perfekt.
Misinformation-/deepfake-risiko: Rigere lyd + objektindsættelse/-fjernelse øger risikoen for misbrug (realistisk falsk lyd og udvidede klip). Google nævner afbødninger (politik, sikkerhedsforanstaltninger), og tidligere Veo-lanceringer refererede til vandmærkning/SynthID for at hjælpe med proveniens; tekniske værn eliminerer dog ikke misbrugsrisiko.
Omkostnings- og gennemløbsbegrænsninger: Høj opløsning og lange videoer er beregningstunge og er aktuelt begrænset i en betalt preview — forvent højere latenstid og omkostninger sammenlignet med billedmodeller. Community-opslag og Google-forumtråde diskuterer tilgængelighedsvinduer og fallback-strategier.

Praktiske anvendelser

Hurtig prototyping for kreative: storyboards → multi-shot-klip og animatics med indbygget dialog til tidlig kreativ gennemgang.
Marketing og kortformatindhold: 15–60s produktspots, sociale klip og konceptteasere, hvor hastighed vægtes højere end perfekt fotorealisme.
Billede→video-tilpasning: at omdanne illustrationer, figurer eller to frames til glidende overgange eller animerede scener via First/Last Frame og Scene Extension.
Værktøjsudvidelse: integreret i Flow til iterativ redigering (objektindsættelse/-fjernelse, lysforudindstillinger), der reducerer manuelle VFX-pas.

Sammenligning med andre førende modeller

Funktion	Veo 3.1	Sora 2	Runway Gen-4 / Gen-4.5
Indbygget lodret output	Ja	Begrænset workflow-understøttelse	Ja
Billede-til-video	Ja	Ja	Ja
Fokus på lydintegration	Stærk	Moderat	Moderat
Frame-conditioning	Ja	Ja	Delvis
Optimering til sociale videoer	Stærk	Moderat	Stærk
API-økosystemintegration	Google-økosystem	OpenAI-økosystem	Skaberværktøjs-økosystem

Hvordan bruger jeg Veo 3.1 API med CometAPI?

Opret en CometAPI API-nøgle
Vælg veo-3.1-generate-001 som model-endpoint
Send prompt- eller billedinput via video-genererings-API’en
Poll resultater og hent genererede videoer
Iterér prompter for kamerabevægelse, scenekontinuitet og konsistensforbedringer

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

5-sekunders test

$1.60

Estimeret CometAPI-forbrugsomkostning

10-sekunders test

$3.20

Estimeret CometAPI-forbrugsomkostning

15-sekunders test

$4.80

Estimeret CometAPI-forbrugsomkostning

Priser for Veo 3.1

Veo Video Generation Pricing

Pricing (Per Second)

Model	720p	1080p	4K
`veo3`	$0.32	$0.32	$0.48
`veo3-fast`	$0.08	$0.096	$0.24
`veo3.1`	$0.32	$0.32	$0.48
`veo3.1-fast`	$0.08	$0.096	$0.24

💡 Billed per second. Total cost = price per second × video duration (seconds).

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

POST/v1/videos

Eksempelkode og API til Veo 3.1

POST

/v1/videos

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
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 "https://api.cometapi.com/v1/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=$(curl -s -X GET "https://api.cometapi.com/v1/videos/${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"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
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 "https://api.cometapi.com/v1/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=$(curl -s -X GET "https://api.cometapi.com/v1/videos/${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"

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}`);

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-video

image-to-video

Input og output

Input

text

Output

video

Produktionsprofil

Udbyder: Google
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug Veo 3.1 til produktions-workflows, der matcher dens video-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Tekst-til-video-koncepter og socialt indhold

Produktdemoer og filmiske storyboards

Billed-til-video-bevægelse og kreativ iteration

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

FLUX 3 - Modeller i den virkelige verden: Mod multimodale flowmodeller som rygraden i visuel intelligens.

Superkraftig videogenereringsmodel, med lydeffekter, understøtter chatformat.

Se model

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

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

Bliv ved med at udforske