Come utilizzare l'API Veo 3.1

Veo 3.1 è l'ultima versione della famiglia di modelli di generazione video Veo di Google. Offre un audio nativo più ricco, un migliore controllo narrativo e cinematografico, una guida multi-immagine e nuove primitive di editing (transizioni primo/ultimo fotogramma, "ingredienti"/immagini di riferimento e flussi di lavoro di estensione delle scene). Per gli sviluppatori, il modo più rapido per accedere a Veo 3.1 è tramite API (per le integrazioni rivolte al consumatore) e Vertex AI (per carichi di lavoro aziendali e cloud).

Cos'è l'API Veo 3.1 e quali sono le sue caratteristiche principali?

Veo 3.1 è un modello generativo testo-immagine → video di Google, progettato per produrre brevi clip cinematografiche di alta qualità con audio generato in modo nativo (dialoghi, segnali ambientali, effetti sonori). La versione si concentra sul miglioramento dell'aderenza alle richieste, della coerenza dei personaggi, della generazione audio e di controlli di editing più granulari (ad esempio: transizioni primo-ultimo fotogramma e guida tramite un massimo di tre immagini di riferimento).

Funzionalità principali (a colpo d'occhio)

• Testo → Video: Genera video direttamente da prompt narrativi (dialoghi e audio inclusi).
• Immagine → Video: Trasforma un'immagine in una breve scena animata. ()
• Immagini di riferimento ("Ingredienti per il video"): Fornitura fino a 3 immagini (personaggi, oggetti, stili) per mantenere la coerenza visiva tra gli output.
• Generazione del primo e dell'ultimo fotogramma: Crea transizioni che collegano due immagini (il modello genera fotogrammi che si alternano dolcemente tra di esse, con audio corrispondente).
• Flussi di lavoro di estensione della scena: Strumenti per estendere una clip esistente generando nuove clip collegate alla coda di un video precedente (nota: le funzionalità e il supporto variano tra Gemini API e Vertex Preview, vedere la sezione "condizioni").
• Audio e SFX nativi: Il modello può sintetizzare la voce, i suoni ambientali e gli effetti sincronizzati che corrispondono alle immagini generate.

Come si utilizza l'API Veo 3.1? Quali sono i prerequisiti e le condizioni?

Di cosa hai bisogno prima di chiamare l'API?

1. Accesso e fatturazione: Veo 3.1 è disponibile in anteprima a pagamento: assicurati di avere una chiave API o un progetto Google Cloud con Vertex AI abilitato e fatturazione configurata. Alcune funzionalità e varianti di modello sono limitate a determinate regioni in anteprima.
2. Quote e vincoli di anteprima: I modelli di anteprima hanno spesso limiti di velocità di richiesta per progetto (ad esempio: 10 RPM per le varianti di anteprima) e limiti sui video per richiesta. Consulta la pagina del modello nella documentazione di Vertex AI/Gemini per i numeri esatti per il tuo account.
3. Risorse di input e formato: È possibile generare da prompt di testo, da immagini singole o multiple, oppure estendere un video generato da Veo esistente facendo riferimento al suo URI. Per i flussi di lavoro da immagine a video, fornire le immagini nei formati supportati (URL o byte a seconda dell'endpoint).
4. Sicurezza e provenienza: I contenuti generati devono essere conformi alle norme sui contenuti di Google. Nell'anteprima potrebbero apparire filigrane o contrassegni di utilizzo; preparatevi a gestire i passaggi di moderazione dei contenuti e di provenienza nella vostra applicazione.

Quali metodi di autenticazione sono supportati?

• Chiave API: Per gli endpoint ospitati da Gemini o la chiave della piattaforma API di terze parti. Consiglio CometAPI,  CometaAPI offrire un prezzo molto più basso del prezzo ufficiale per aiutarti a integrare l'API Veo 3.1 (veo3.1-pro; veo3.1)
• Credenziali Google Cloud / ADC: Per Vertex AI, utilizza le credenziali predefinite dell'applicazione (account di servizio/autenticazione gcloud) o una chiave API associata al tuo progetto Google Cloud.

Quali sono gli endpoint API Veo 3.1 e quali parametri sono più importanti?

Risposta breve: chiamerai il API CometAPI endpoint di generazione video (per l'accesso ospitato da CometAPI, v1/chat/completions) . Entrambi utilizzano un corpo di richiesta JSON che descrive il modello, i prompt e un video/output configurazione; i lavori video più grandi vengono restituiti come operazioni di lunga durata.

Endpoint comuni (esempi):

curl --location --request POST 'https://api.cometapi.com/v1/chat/completions' \  
--header 'Authorization: {{api-key}}' \  
--header 'Content-Type: application/json' \  
--data-raw '{  
"model": "veo3.1-pro",  
"stream": true,  
"messages":   
}'

Parametri tipici della richiesta (scomposizione logica)

• modello — identificatore del modello per la destinazione (veo3.1-pro; nomi veo3.1 elencati in modello di riferimento).
• richiesta / input — testo umano che descrive la scena; può includere più prompt o istruzioni multi-ripresa a seconda delle capacità del modello. Utilizzare prompt strutturati per controllare i movimenti della telecamera, l'ora del giorno, l'umore e i segnali audio.
• riferimenti_immagine — 1–3 URI di immagini o immagini base64 per guidare oggetti/caratteri/stili (Veo 3.1 supporta più riferimenti di immagini).
• video — usato quando estendendo un output Veo precedente (passa l'URI del video iniziale). Alcune funzionalità funzionano solo sui video generati da Veo.
• durata / fps / risoluzione / aspectratio — seleziona tra le lunghezze e i formati supportati (i modelli di anteprima elencano le durate e i frame rate supportati, ad esempio 4, 6, 8 secondi in alcuni documenti di anteprima; le estensioni potrebbero consentire output più lunghi in Flow/Studio).

Quali sono i modelli e le tecniche di utilizzo avanzati?

1) Mantenere la coerenza dei caratteri con le immagini di riferimento

Fornisci fino a tre immagini di riferimento (volti/pose/costumi) per mantenere l'aspetto di un personaggio in più riprese generate. Flusso tipico:

1. Carica o codifica in linea le tue immagini di riferimento.
2. Passateli dentro config.reference_images durante la generazione di ogni scatto.
3. Utilizzare le stesse immagini per le chiamate di generazione successive (o combinarle con i valori seed) per massimizzare la coerenza visiva.

curl -s -X POST "https://api.cometapi.com/v1/chat/completions" \
-H "Authorization: Bearer cometapi_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "veo3.1-pro",
"messages": [
{
"role": "user",
"content": "Create a cinematic 6s shot: a fashion editorial on a city rooftop at golden hour. Keep the subject look consistent with the reference images."
}
],
"extra_body": {
"google": {
"referenceImages": [
{ "image": { "uri": "https://example.com/ref1.jpg" }, "referenceType": "asset" },
{ "image": { "uri": "https://example.com/ref2.jpg" }, "referenceType": "asset" },
{ "image": { "uri": "https://example.com/ref3.jpg" }, "referenceType": "asset" }
],
"config": {
"resolution": "1080p",
"durationSeconds": 6,
"fps": 24,
"aspectRatio": "16:9",
"generateAudio": true
}
}
}
}'

2) Transizioni tra il primo e l'ultimo fotogramma (sintesi dello scatto)

Usa il image (primo fotogramma) + config.last_frame per istruire Veo a sintetizzare il movimento intermedio. Questa funzione è ideale per le transizioni cinematografiche: produce un'interpolazione visiva naturale e un audio sincronizzato.

Fornire una primo fotogramma (image) E ultimo fotogramma (lastFrame) e Veo 3.1 interpolerà il movimento tra di loro per produrre una transizione fluida (con audio opzionale). Esempio cURL (REST) ​​— prima + ultima immagine:

curl -s -X POST "https://api.cometapi.com/v1/chat/completions" \
-H "Authorization: Bearer cometapi_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "veo-3.1",
"messages": [
{
"role": "user",
"content": "Interpolate between these two images to create an 8s cinematic morph: from 'sunlit victorian parlor' (first) to 'overgrown ruin' (last). Add soft ambient sound."
}
],
"extra_body": {
"google": {
"image": { "uri": "https://example.com/first_frame.jpg" },
"lastFrame": { "uri": "https://example.com/last_frame.jpg" },
"config": {
"resolution": "1080p",
"durationSeconds": 8,
"fps": 24,
"aspectRatio": "16:9",
"generateAudio": true
}
}
}
}'

3) Estensione della scena (concatenare più generazioni)

Esistono due modelli:

• Approccio API/Flow (funzionalità di anteprima): Si passa un video esistente (un oggetto video restituito o URI) come video=video_to_extend per creare una clip successiva coerente con la scena precedente. Utilizzare la risposta operativa per catturare video.uri e inseriscilo nella chiamata successiva per ampliare la narrazione. Nota: la disponibilità e il comportamento possono variare a seconda della piattaforma, quindi convalida sulla piattaforma scelta.
• Modello di nubi al vertice: Il modello di anteprima di Vertex ha limiti più rigidi per l'elenco dei documenti (ad esempio, l'anteprima corrente restituisce solo segmenti di 4/6/8 secondi), quindi per produrre output di un minuto è necessario concatenare più richieste e unirle nell'applicazione oppure utilizzare gli strumenti di estensione delle scene ufficiali del motore, ove disponibili. Consulta la pagina "Anteprima Veo 3.1" di Vertex per la matrice di supporto corrente.

Concediti del tempo per fare un precedentemente generato da Veo video ed estenderlo in avanti (aggiungendo secondi) preservando stile e continuità. L'API richiede che l'input sia un video generato da Veo (le estensioni di file MP4 arbitrari potrebbero non essere supportate). È possibile estendere di 7 secondi fino ai limiti documentati (si applicano i limiti di anteprima di Veo):

curl -s -X POST "https://api.cometapi.com/v1/chat/completions" \
-H "Authorization: Bearer cometapi_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "veo-3.1",
"messages": [
{
"role": "user",
"content": "Extend the last scene: the origami butterfly flies into the garden and a puppy runs up to the flower; continue action for ~7 seconds."
}
],
"extra_body": {
"google": {
"video": { "uri": "https://storage.googleapis.com/your-bucket/butterfly_video_id.mp4" },
"config": {
"numberOfVideos": 1,
"resolution": "720p",
"durationSeconds": 7,
"fps": 24,
"generateAudio": true
}
}
}
}'

4) Controllo audio e dialogo

Veo 3.1 genera audio nativo (parlato ed effetti) dai prompt. Trucchi:

• Inserisci le battute pronunciate nel prompt (racchiudi i dialoghi tra virgolette) per incoraggiare una sincronizzazione labiale realistica.
• Aggiungi descrittori audio ("passi leggeri da sinistra a destra", "crescendo di tuono attutito") per definire gli effetti sonori e l'atmosfera.
• Utilizzare i valori iniziali per riprodurre lo stesso risultato audio/visivo durante le esecuzioni dei test.

5) Output deterministici per i test (semi)

Se hai bisogno di output ripetibili per test CI o A/B, fornisci un seed parametro (uint32). La modifica del prompt o delle immagini di riferimento modificherà comunque il risultato; il seme garantisce la ripetibilità esclusivamente quando tutto il resto è identico.

6) Ottimizzazione dei costi e delle prestazioni

• Raggruppa meno lavori, ma più grandi: Dove consentito, impostare sampleCount per produrre più video di candidati in un'unica richiesta (1–4) per ridurre i costi di configurazione. ()
• Memorizza le immagini di riferimento nella cache e riutilizza i seed per la riproducibilità, evitando di dover ricaricare file binari di grandi dimensioni.
• Utilizzare gli output di Cloud Storage (Vertice) per output di grandi dimensioni per evitare di restituire byte non elaborati nel corpo della richiesta.

7) Pipeline multi-step con altri modelli Gemini

Una pipeline utile: utilizzare un generatore di immagini fisse (ad esempio, il modello di immagine Gemini) per creare risorse → passare le immagini migliori come image + referenceImages a Veo 3.1 → iterare prompt audio/dialogo con il modello testuale per la narrazione generata. La documentazione di Gemini mostra esplicitamente esempi che concatenano la generazione di immagini e le chiamate Veo.

Suggerimenti pratici, insidie ​​e buone pratiche

• Utilizzare i semi quando si desiderano output deterministici e ripetibili tra le esecuzioni (stesso prompt + stessi riferimenti + stesso seed → stessa generazione).
• Mantenere coerenti le immagini di riferimento: stesso ritaglio, stessa angolazione del viso, abbigliamento/sfondo coerenti aiutano il modello a mantenere identità e stile. Riutilizzare le stesse tre immagini in più scatti per preservare la continuità.
• Preferisci gli URI GCS per la produzione: l'archiviazione di immagini e output in Cloud Storage evita i limiti di dimensione del trasferimento base64 e semplifica il concatenamento/l'estensione.
• Descrivi esplicitamente le transizioni e l'audio: per le transizioni prima/ultima, aggiungi movimento della telecamera, tempo e segnali audio/effetti sonori nel prompt per una migliore sincronizzazione dell'audio.
• Prova prima i cicli brevi: esegui iterazioni di breve durata (4–8 secondi) mentre ottimizzi prompt, seed e immagini di riferimento, quindi concatena le estensioni per scene più lunghe.
• Conferma i nomi esatti dei campi: Gli SDK possono utilizzare reference_images (snake_case), referenceImages (camelCase), o annidato image oggetti con content / gcsUriPer conoscere i nomi esatti delle proprietà nella versione utilizzata, consultare la documentazione dell'SDK o lo schema del modello Vertex.

Quanto costa Veo 3.1 e come viene fatturato?

Veo 3.1 è fatturato al secondo di video generatoe Google espone più varianti (ad esempio Standard e al Connessione) con diverse tariffe al secondo. I prezzi pubblicati per gli sviluppatori mostrano esempi di tariffe a pagamento di 0.40 / secondo per Veo 3.1 Standard** e al ** 0.15 / secondo per Veo 3.1 FastLa pagina dei prezzi di Gemini specifica inoltre che l'addebito avviene solo quando un video viene generato correttamente (i tentativi falliti potrebbero non essere fatturati).

API di Veo 3.1 Prezzi in CometAPI

Conclusione: perché Veo 3.1 è importante per gli sviluppatori in questo momento

Veo 3.1 rappresenta un chiaro passo avanti nella generazione di video basati sull'intelligenza artificiale: audio nativo più ricco, guida basata su immagini di riferimento e nuove primitive di editing lo rendono un'opzione più efficace per la narrazione, la previsualizzazione e le app creative. Le funzionalità esatte del modello differiscono leggermente tra endpoint e build di anteprima (ad esempio, la differenza di versione tra CometAPI e Gemini), quindi testa e convalida la variante del modello che intendi utilizzare. Gli esempi in questa guida forniscono un punto di partenza pratico per la prototipazione e la produzione.

Come accedere API di Veo 3.1 API

CometAPI è una piattaforma API unificata che aggrega oltre 500 modelli di intelligenza artificiale (IA) di provider leader, come la serie GPT di OpenAI, Gemini di Google, Claude di Anthropic, Midjourney, Suno e altri, in un'unica interfaccia intuitiva per gli sviluppatori. Offrendo autenticazione, formattazione delle richieste e gestione delle risposte coerenti, CometAPI semplifica notevolmente l'integrazione delle funzionalità di IA nelle tue applicazioni. Che tu stia sviluppando chatbot, generatori di immagini, compositori musicali o pipeline di analisi basate sui dati, CometAPI ti consente di iterare più velocemente, controllare i costi e rimanere indipendente dal fornitore, il tutto sfruttando le più recenti innovazioni nell'ecosistema dell'IA.

Gli sviluppatori possono accedere API di Veo 3.1 tramite CometAPI, l'ultima versione del modello è sempre aggiornato con il sito ufficiale. Per iniziare, esplora le capacità del modello nel Parco giochi e consultare il Guida API per istruzioni dettagliate. Prima di accedere, assicurati di aver effettuato l'accesso a CometAPI e di aver ottenuto la chiave API. CometaAPI offrire un prezzo molto più basso rispetto al prezzo ufficiale per aiutarti a integrarti.

Pronti a partire? → Iscriviti oggi a CometAPI !

Se vuoi conoscere altri suggerimenti, guide e novità sull'IA seguici su VK, X e al Discordia!