Can Veo 3.1 API generate videos from images as well as text prompts?

Sí. Veo 3.1 admite tanto flujos de trabajo de texto a video como de imagen a video, lo que permite a los creadores empezar a partir de indicaciones, imágenes o flujos de trabajo con guía por fotogramas.

When should I use Veo 3.1 instead of Sora 2?

Elige Veo 3.1 cuando lo más importante sea la sincronización de audio, los flujos de trabajo guiados por imágenes, la creación de contenido vertical o la integración con el ecosistema de herramientas de Google.

Can Veo 3.1 create vertical videos for TikTok or Shorts?

Sí. Veo 3.1 admite relaciones de aspecto nativas de 9:16.

What should I do if Veo 3.1 generation fails or produces poor results?

Reduce la complejidad de las indicaciones, simplifica las instrucciones de cámara e itera las indicaciones.

Is Veo 3.1 suitable for commercial marketing videos and ads?

Sí. Es muy adecuado para contenido de marca, videos de producto y campañas en redes sociales.

Is there a free trial for Veo 3.1 API in CometAPI?

Los nuevos usuarios recibirán una clave gratuita, y el precio de la API seguirá siendo el 20% del precio oficial.

API de Veo 3.1 Asequible | image-to-video

Especificaciones técnicas de Veo 3.1

Elemento	Veo 3.1 (especificaciones públicas)
Identificador de modelo oficial	veo-3.1-generate-001
Proveedor	Google DeepMind / Google Cloud
Tipo de modelo	Generación de texto a video e imagen a video
Tipos de entrada	Prompts de texto, entradas de imagen, guía de primer fotograma + último fotograma
Tipo de salida	Video generado por IA
Resoluciones admitidas	720p y 1080p, 4K
Relaciones de aspecto admitidas	16:9 y 9:16
Velocidad de fotogramas admitida	24 FPS
Duración de video	Clips de 4s, 6s o 8s (dependiente del modo)
Idioma del prompt	English
Videos por solicitud	Hasta 4
Límite de tasa de API	Hasta 50 solicitudes/minuto/proyecto
Implementación admitida	Vertex AI, integraciones del ecosistema Gemini, Flow
Funciones no admitidas (docs oficiales)	Cuota compartida dinámica, algunos flujos de imagen de referencia, extensión de video nativa en el flujo estándar de API

¿Qué es Veo 3.1?

Veo 3.1 es la familia de modelos generativos de video insignia de Google enfocada en la síntesis de video con calidad cinematográfica, mayor adherencia al prompt, mejor consistencia de escenas y flujos de trabajo multimodales de creación de video. Va más allá de la generación estándar de texto a video al admitir generación guiada por imagen y flujos de trabajo de narración controlada por fotogramas. El soporte oficial incluye texto a video, imagen a video, reescritura de prompts y flujos de generación de First/Last Frame.

Funciones principales

Veo 3.1 se centra en funciones prácticas de creación de contenido:

Generación de audio nativa (diálogo, sonido ambiente, SFX) integrada en las salidas. Veo 3.1 genera audio nativo (diálogo + sonido ambiente + SFX) alineado con la línea temporal visual; el modelo busca preservar la sincronización labial y la alineación audiovisual para el diálogo y las señales de escena.
Salidas más largas (compatibilidad de hasta ~60 segundos / 1080p frente a los clips muy cortos de Veo 3, 8s), y secuencias de múltiples prompts con multitoma para continuidad narrativa.
Modos Scene Extension y First/Last Frame que extienden o interpolan metraje entre fotogramas clave.
Inserción de objetos y (próximamente) eliminación de objetos y primitivas de edición dentro de Flow.

Cada punto anterior está diseñado para reducir el trabajo manual de VFX: audio y continuidad de escena ahora son salidas de primera clase en lugar de añadidos posteriores.

Detalles técnicos (comportamiento del modelo e entradas)

Familia de modelos y variantes: Veo pertenece a la familia Veo-3 de Google; el ID de modelo en vista previa suele ser veo3.1-pro; veo3.1 (documentación de CometAPI). Acepta prompts de texto, referencias de imagen (fotograma único o secuencias), y diseños estructurados de múltiples prompts para generación multitoma.

Resolución y duración: La documentación de vista previa describe salidas en 720p/1080p con opciones para duraciones más largas (hasta ~60s en ciertos ajustes de vista previa) y mayor fidelidad que variantes anteriores de Veo.

Relaciones de aspecto: 16:9 (admitido) y 9:16 (admitido salvo en algunos flujos de imagen de referencia).

Idioma del prompt: English (vista previa).

Límites de API: los límites típicos de vista previa incluyen máximo 10 solicitudes de API/min por proyecto, máximo 4 videos por solicitud, y longitudes de video seleccionables entre 4, 6 u 8 segundos (los flujos de imagen de referencia admiten 8s).

Rendimiento en benchmarks

Las evaluaciones internas de Google y resúmenes públicos reportan fuerte preferencia por las salidas de Veo 3.1 en comparaciones con calificadores humanos en métricas como alineación con el texto, calidad visual y coherencia audiovisual (tareas de texto→video e imagen→video).

Veo 3.1 logró resultados de vanguardia en comparaciones internas con calificadores humanos a lo largo de varios ejes objetivos: preferencia general, alineación con el prompt (texto→video e imagen→video), calidad visual, alineación audiovisual y “física visualmente realista” en conjuntos de evaluación como MovieGenBench y VBench.

Limitaciones y consideraciones de seguridad

Limitaciones:

Artefactos e inconsistencia: a pesar de las mejoras, ciertos escenarios de iluminación, física de grano fino y oclusiones complejas todavía pueden producir artefactos; la consistencia imagen→video (especialmente en duraciones largas) ha mejorado pero no es perfecta.
Riesgo de desinformación/deepfake: audio más rico + inserción/eliminación de objetos aumenta el riesgo de uso indebido (audio falso realista y clips extendidos). Google señala mitigaciones (política, salvaguardas) y lanzamientos anteriores de Veo mencionaron marcado de agua/SynthID para apoyar la procedencia; no obstante, las salvaguardas técnicas no eliminan el riesgo de uso indebido.
Restricciones de costo y rendimiento: los videos de alta resolución y larga duración son computacionalmente costosos y actualmente están limitados en una vista previa de pago; espere mayor latencia y costo en comparación con modelos de imagen. Publicaciones de la comunidad y hilos en foros de Google discuten ventanas de disponibilidad y estrategias de respaldo.

Controles de seguridad: Veo3.1 cuenta con políticas de contenido integradas, señalización de marcado de agua/SynthID en lanzamientos anteriores de Veo y controles de acceso de vista previa; se recomienda a los clientes seguir la política de la plataforma e implementar revisión humana para salidas de alto riesgo.

Casos de uso prácticos

Prototipado rápido para creativos: guiones gráficos → clips multitoma y animatics con diálogo nativo para revisión creativa temprana.
Marketing y contenido de formato corto: spots de producto de 15–60s, clips para redes sociales y teasers de concepto donde la velocidad importa más que el fotorrealismo perfecto.
Adaptación de imagen→video: convertir ilustraciones, personajes o dos fotogramas en transiciones suaves o escenas animadas mediante First/Last Frame y Scene Extension.
Aumento de herramientas: integrado en Flow para edición iterativa (inserción/eliminación de objetos, preajustes de iluminación) que reduce pasadas manuales de VFX.

Comparación con otros modelos líderes

Veo 3.1 vs Veo 3 (predecesor): Veo 3.1 se centra en mejor adherencia al prompt, calidad de audio y consistencia entre tomas, actualizaciones incrementales pero impactantes destinadas a reducir artefactos y mejorar la editabilidad.

Veo 3.1 vs OpenAI Sora 2: compensaciones reportadas en la prensa: Veo 3.1 enfatiza el control narrativo de formato más largo, audio integrado y la integración de edición en Flow; Sora 2 (cuando se compara en la prensa) se enfoca en fortalezas diferentes (velocidad, distintos flujos de edición). Las pruebas independientes lado a lado siguen siendo limitadas.

Capacidad	Veo 3.1	Sora 2	Runway Gen-4 / Gen-4.5
Salida vertical nativa	Sí	Compatibilidad limitada de flujos de trabajo	Sí
Imagen a video	Sí	Sí	Sí
Enfoque en integración de audio	Fuerte	Moderado	Moderado
Condicionamiento de fotogramas	Sí	Sí	Parcial
Optimización para video social	Fuerte	Moderado	Fuerte
Integración con ecosistema de API	Ecosistema de Google	Ecosistema de OpenAI	Ecosistema de herramientas para creadores

¿Cómo uso la API de Veo 3.1 con CometAPI?

Crea una clave de API de CometAPI
Selecciona veo-3.1-generate-001 como el endpoint del modelo
Envía prompts o entradas de imagen a través de la API de generación de video
Consulta resultados y recupera los videos generados
Itera los prompts para mejorar movimiento de cámara, continuidad de escena y consistencia

Precios para Veo 3.1

Explora precios competitivos para Veo 3.1, diseñado para adaptarse a diversos presupuestos y necesidades de uso. Nuestros planes flexibles garantizan que solo pagues por lo que uses, facilitando el escalado a medida que crecen tus requisitos. Descubre cómo Veo 3.1 puede mejorar tus proyectos mientras mantienes los costos manejables.

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).

Código de ejemplo y API para Veo 3.1

Accede a código de muestra completo y recursos de API para Veo 3.1 para agilizar tu proceso de integración. Nuestra documentación detallada proporciona orientación paso a paso, ayudándote a aprovechar todo el potencial de Veo 3.1 en tus proyectos.

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"

Versiones de Veo 3.1

La razón por la cual Veo 3.1 tiene múltiples instantáneas puede incluir factores potenciales como variaciones en la salida tras actualizaciones que requieren instantáneas anteriores para mantener la coherencia, ofrecer a los desarrolladores un período de transición para adaptación y migración, y diferentes instantáneas que corresponden a endpoints globales o regionales para optimizar la experiencia del usuario. Para conocer las diferencias detalladas entre versiones, consulte la documentación oficial.

ID del modelo	descripción	Disponibilidad	Solicitud
veo3.1-all	La tecnología utilizada no es oficial y la generación es inestable, etc	✅	Chat formato
veo3.1	Recomendado; apunta al modelo más reciente	✅	Generación asíncrona