Når bør jeg bruke Veo 3.1 i stedet for Sora 2?

Velg Veo 3.1 når lydsynkronisering, bildebaserte arbeidsflyter, vertikal innholdsproduksjon eller økosystemintegrasjon med Google-verktøy er viktigst.

Finnes det en gratis prøveperiode for Veo 3.1 API i CometAPI?

Nye brukere vil motta en gratis nøkkel, og API-prisen vil fortsatt være 20 % av den offisielle prisen.

Kan Veo 3.1 lage vertikale videoer for TikTok eller Shorts?

Ja. Veo 3.1 støtter 9:16-sideforhold nativt.

Er Veo 3.1 egnet for kommersielle markedsføringsvideoer og annonser?

Ja. Den er godt egnet for merkevareinnhold, produktvideoer og kampanjer i sosiale medier.

Kan Veo 3.1 API generere videoer fra bilder så vel som tekstprompter?

Ja. Veo 3.1 støtter både tekst-til-video- og bilde-til-video-arbeidsflyter, slik at skapere kan starte fra prompter, bilder eller arbeidsflyter med rammeveiledning.

Hva bør jeg gjøre hvis generering i Veo 3.1 mislykkes eller gir dårlige resultater?

Reduser kompleksiteten i promptene, forenkle kamerainstruksjonene, og iterer prompter.

Google

Tilgjengelig

veo3.1

Veo 3.1 API

Veo 3.1 er en flaggskipmodell for AI-basert videogenerering, utviklet for filmiske resultater av høy kvalitet med innebygd lydsynkronisering. Den leverer realistiske bevegelser, høy visuell kvalitet og tett samstemt lyd- og bildegenerering for profesjonell videoproduksjon.

Startpris

$0.32 / sekund

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Jun 1, 2026

Google

Testmiljø

Prøv Veo 3.1 med en reell forespørsel, se gjennom parameterne og valider resultatet før du integrerer API-et.

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

5-sekunders test

$1.60

Estimert brukskostnad for CometAPI

10-sekunders test

$3.20

Estimert brukskostnad for CometAPI

15-sekunders test

$4.80

Estimert brukskostnad for CometAPI

Åpenhet om minstebeløp Denne prototypen forutsetter ikke et skjult minstebeløp per forespørsel. Hvis det gjelder en nedre faktureringsgrense eller et minste påfyllingsbeløp i produksjon, må dette vises før kjøpet og inkluderes i alle kostnadsestimater.

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).

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er Veo 3.1?

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$0.32 / sekund

Kontekst

Se funksjoner

Katalogdato

Jun 1, 2026

Oversikt

En praktisk oversikt over Veo 3.1, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for Veo 3.1

Item	Veo 3.1 (offentlige spesifikasjoner)
Official model ID	veo-3.1-generate-001
Provider	Google DeepMind / Google Cloud
Model type	Generering fra tekst til video og bilde til video
Input types	Tekstprompter, bildeenndata, veiledning med første bilde + siste bilde
Output type	AI-generert video
Supported resolutions	720p og 1080p, 4K
Supported aspect ratios	16:9 og 9:16
Supported framerate	24 FPS
Video duration	4s, 6s eller 8s klipp (avhengig av modus)
Prompt language	Engelsk
Videos per request	Opptil 4
API rate limit	Opptil 50 forespørsler/minutt/prosjekt
Supported deployment	Vertex AI, integrasjoner i Gemini-økosystemet, Flow
Unsupported features (official docs)	Dynamisk delt kvote, noen arbeidsflyter med referansebilde, innebygd videoutvidelse i standard API-flyt

Hva er Veo 3.1?

Veo 3.1 er Googles flaggskip innen generative videomodeller, med fokus på filmatisk videokvalitet, bedre etterlevelse av prompter, bedre scenekonsistens og multimodale arbeidsflyter for videoproduksjon. Den går utover standard tekst-til-video-generering ved å støtte bildeveiledet generering og rammestyrte fortellerarbeidsflyter. Offisiell støtte omfatter tekst-til-video, bilde-til-video, omskriving av prompter, og arbeidsflyter for generering av første/siste bilde.

Kjernefunksjoner

Veo 3.1 fokuserer på praktiske funksjoner for innholdsproduksjon:

Innebygd lydgenerering (dialog, omgivelseslyd, SFX) integrert i utdata. Veo 3.1 genererer innebygd lyd (dialog + atmosfære + SFX) som er tidslinjejustert mot bildene; modellen tar sikte på å bevare leppesynk og lyd–bilde-synkronisering for dialog og scenesignaler.
Lengre utdata (støtte for opptil ~60 sekunder / 1080p, sammenlignet med Veo 3s svært korte klipp, 8s), og flerprompt flerskuddssekvenser for narrativ kontinuitet.
Scene Extension og First/Last Frame-moduser som forlenger eller interpolerer opptak mellom nøkkelbilder.
Objektinnsetting og (kommer) objektfjerning samt redigeringsprimitiver i Flow.

Hvert punkt ovenfor er utformet for å redusere manuelt VFX-arbeid: lyd og scenekontinuitet er nå førsteklasses utdata, ikke noe som legges til i etterkant.

Tekniske detaljer (modellatferd og inndata)

Model family & variants: Veo tilhører Googles Veo-3-familie; forhåndsvisningsmodell-ID er typisk veo3.1-pro; veo3.1 (CometAPI-dokumentasjon). Den aksepterer tekstprompter, bildereferanser (enkeltbilde eller sekvenser), og strukturerte flerprompt-oppsett for flerskuddsgenerering.

Resolution & duration: Forhåndsvisningsdokumentasjonen beskriver utdata i 720p/1080p med alternativer for lengre varigheter (opptil ~60s i enkelte forhåndsvisningsoppsett) og høyere troskap enn tidligere Veo-varianter.

Aspect ratios: 16:9 (støttet) og 9:16 (støttet, bortsett fra i noen referansebilde-flyter).

Prompt language: Engelsk (forhåndsvisning).

API limits: Typiske forhåndsvisningsgrenser inkluderer maks 10 API-forespørsler/min per prosjekt, maks 4 videoer per forespørsel, og videolengder som kan velges blant 4, 6 eller 8 sekunder (referansebilde-flyter støtter 8s).

Benchmark-ytelse

Googles interne og offentlig oppsummerte evalueringer rapporterer sterk preferanse for Veo 3.1-utdata i menneskelige vurderinger på mål som tekstsamsvar, visuell kvalitet og lyd–bilde-koherens (tekst→video- og bilde→video-oppgaver).

Veo 3.1 oppnådde state-of-the-art-resultater i interne sammenligninger med menneskelige vurderinger på flere objektive akser — total preferanse, prompt-tilpasning (tekst→video og bilde→video), visuell kvalitet, lyd–bilde-justering og «visuelt realistisk fysikk» — på benchmark-datasett som MovieGenBench og VBench.

Begrensninger og hensyn til sikkerhet

Begrensninger:

Artefakter og inkonsistens: Til tross for forbedringer kan bestemte lyssettinger, finmasket fysikk og komplekse okklusjoner fortsatt gi artefakter; konsistens i bilde→video (særlig over lange varigheter) er forbedret, men ikke perfekt.
Feilinformasjon / deepfake-risiko: Rikere lyd + objektinnsetting/fjerning øker misbruksrisikoen (realistisk falsk lyd og lengre klipp). Google nevner avbøtende tiltak (policy, sikringer) og tidligere Veo-lanseringer refererte til vannmerking/SynthID for å hjelpe proveniens; tekniske sikringer eliminerer imidlertid ikke misbruksrisiko.
Kostnads- og gjennomstrømningsbegrensninger: Høyoppløselige, lange videoer er beregningsmessig dyre og for tiden begrenset i en betalt forhåndsvisning — forvent høyere ventetid og kostnad sammenlignet med bildemodeller. Community-innlegg og Google-forumtråder diskuterer tilgjenglighetsvinduer og reservestrategier.

Safety controls: Veo 3.1 har integrerte innholdspolicyer, vannmerking/SynthID-signalisering i tidligere Veo-utgaver, og forhåndsvisningstilgangskontroller; kunder anbefales å følge plattformpolicy og implementere menneskelig gjennomgang for høy-risiko-utdata.

Praktiske bruksområder

Rask prototyping for kreative: storyboard → flerskuddsklipp og animatics med innebygd dialog for tidlig kreativ gjennomgang.
Markedsføring og kortformatinnhold: 15–60s produktannonser, sosiale klipp og konsept-teasere der hastighet betyr mer enn perfekt fotorealisme.
Bilde→video-tilpasning: gjøre illustrasjoner, figurer eller to bilder om til jevne overganger eller animerte scener via First/Last Frame og Scene Extension.
Verktøystøtte: integrert i Flow for iterativ redigering (objektinnsetting/fjerning, lysforhåndsinnstillinger) som reduserer manuelle VFX-runder.

Sammenligning med andre ledende modeller

Veo 3.1 vs Veo 3 (forløper): Veo 3.1 fokuserer på forbedret etterlevelse av prompter, lydkvalitet og konsistens på tvers av flere opptak — inkrementelle, men betydningsfulle oppdateringer som tar sikte på å redusere artefakter og forbedre redigerbarheten.

Veo 3.1 vs OpenAI Sora 2: Kompromisser omtalt i pressen: Veo 3.1 legger vekt på mer detaljert kontroll av lengre narrativer, integrert lyd og integrasjon med Flow-redigering; Sora 2 (ved sammenligning i pressen) fokuserer på andre styrker (hastighet, ulike redigerings-pipelines). TechRadar og andre medier omtaler Veo 3.1 som Googles målrettede konkurrent til Sora 2 for narrativer og støtte for lengre video. Uavhengig side-ved-side-testing er fortsatt begrenset.

Funksjonalitet	Veo 3.1	Sora 2	Runway Gen-4 / Gen-4.5
Innebygd vertikal utdata	Ja	Begrenset arbeidsflytstøtte	Ja
Bilde-til-video	Ja	Ja	Ja
Fokus på lydintegrasjon	Sterk	Moderat	Moderat
Betinging på rammer	Ja	Ja	Delvis
Optimalisering for sosiale videoer	Sterk	Moderat	Sterk
Integrasjon i API-økosystem	Google-økosystemet	OpenAI-økosystemet	Økosystemet for skaperverktøy

Hvordan bruker jeg Veo 3.1 API med CometAPI?

Opprett en CometAPI-API-nøkkel
Velg veo-3.1-generate-001 som modell-endepunkt
Send prompt- eller bildeenndata via videogenererings-API-et
Poll resultater og hent genererte videoer
Iterer prompter for kamerabevegelse, scenekontinuitet og konsistensforbedringer

FAQ

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1/videos

Eksempelkode og API for Veo 3.1

Få tilgang til omfattende eksempelkode og API-ressurser for Veo 3.1 for å effektivisere integreringsprosessen din. Vår detaljerte dokumentasjon gir trinn-for-trinn-veiledning som hjelper deg med å utnytte det fulle potensialet til Veo 3.1 i prosjektene dine.

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}`);

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-video

image-to-video

Inndata og utdata

Inndata

text

Utdata

video

Produksjonsprofil

Leverandør: Google
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk Veo 3.1 til produksjonsarbeidsflyter som passer video-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Tekst-til-video-konsepter og sosialt innhold

Produktdemoer og filmatiske storyboards

Bilde-til-video-bevegelse og kreativ iterasjon

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

Aliyun

Wan 3.0 Prime

Wan 3.0 Prime er Alibaba Cloud Model Studios hastighetsoptimaliserte versjon av Wan 3.0-videogenereringsmodellen.

Se modell

Aliyun

Wan3.0

Fra rask verifisering til filmatisk resultat, baseres faktureringen på varigheten av den genererte videoen, valg av riktig oppløsning og å gjøre hver generering til en aktivitetsregel for planlagt kreativ investering

Se modell

Aliyun

Wan2.6

Wan2.6 er en videogenereringsmodell utviklet for stabil og effektiv generering av video. Den tilbyr pålitelig visuell kvalitet og jevn bevegelsesgenerering for generelle videoproduksjonsoppgaver.

Se modell

Flux

Flux 3

FLUX 3 - Modeller for den virkelige verden: Mot multimodale flytmodeller som ryggraden i visuell intelligens.

Se modell

Aliyun

Happy Horse 1.1

HappyHorse 1.1 er en multimodal modell for videogenerering, utviklet for profesjonell innholdsproduksjon, reklame, kortfilmer, produksjon for sosiale medier og historiefortelling. Den bygger videre på HappyHorse 1.0 — som fikk betydelig oppmerksomhet etter å ha rangert høyt i uavhengige evalueringer av videogenerering — med sterkere scenesammenheng og forbedret visuell kvalitet.

Se modell

Aliyun

Wan2.7

Wan2.7 er en videogenereringsmodell utviklet for visuell syntese av høy kvalitet og forbedret bevegelseskonsistens. Den egner seg for produksjon av filmatisk innhold og profesjonelle arbeidsflyter for videoproduksjon.

Se modell

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Oppetid

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

Respond

146310msAvg. Response

Uptime

98.5%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

Modell-ID	beskrivelse	Tilgjengelighet	Forespørsel
veo3.1-all	Teknologien som brukes er uoffisiell, og genereringen er ustabil osv.	✅	Chat format
veo3.1	Anbefales, peker til den nyeste modellen	✅	Asynkron generering

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for Veo 3.1 uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

Jun 1, 2026

API-tilgjengelighet bekreftet

Veo 3.1 er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Nov 24, 2025

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske

Sammenlign modeller og fortsett research

Google

Tilgjengelig

veo3.1

Veo 3.1 API

Startpris

$0.32 / sekund

Forbruksbasert fakturering

API-status

Tilgjengelig

Produksjonsendepunkt

Responstid

Klar for async

Observert API-responstid

Utgitt

Jun 1, 2026

Google

Testmiljø

Prøv Veo 3.1 med en reell forespørsel, se gjennom parameterne og valider resultatet før du integrerer API-et.

Priser

Bruk det raske anslaget ovenfor for én kjøring, og se deretter den fullstendige sammenligningen mellom CometAPI og offisiell pris.

5-sekunders test

$1.60

Estimert brukskostnad for CometAPI

10-sekunders test

$3.20

Estimert brukskostnad for CometAPI

15-sekunders test

$4.80

Estimert brukskostnad for CometAPI

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).

Modelloversikt

En stabil modellidentitet for søk og evaluering, kombinert med oppdaterte katalogdata som kan endres uten at sidens grunnleggende SEO-struktur må skrives om.

Stabil identitet

Hva er Veo 3.1?

Den kanoniske modellidentiteten forblir stabil når priser og grenser endres.

Aktuelle modelldata

Gjeldende katalogøyeblikksbilde

Tilgjengelighet

Tilgjengelig

Startpris

$0.32 / sekund

Kontekst

Se funksjoner

Katalogdato

Jun 1, 2026

Oversikt

En praktisk oversikt over Veo 3.1, inkludert viktig atferd og hensyn ved integrasjon.

Tekniske spesifikasjoner for Veo 3.1

Item	Veo 3.1 (offentlige spesifikasjoner)
Official model ID	veo-3.1-generate-001
Provider	Google DeepMind / Google Cloud
Model type	Generering fra tekst til video og bilde til video
Input types	Tekstprompter, bildeenndata, veiledning med første bilde + siste bilde
Output type	AI-generert video
Supported resolutions	720p og 1080p, 4K
Supported aspect ratios	16:9 og 9:16
Supported framerate	24 FPS
Video duration	4s, 6s eller 8s klipp (avhengig av modus)
Prompt language	Engelsk
Videos per request	Opptil 4
API rate limit	Opptil 50 forespørsler/minutt/prosjekt
Supported deployment	Vertex AI, integrasjoner i Gemini-økosystemet, Flow
Unsupported features (official docs)	Dynamisk delt kvote, noen arbeidsflyter med referansebilde, innebygd videoutvidelse i standard API-flyt

Hva er Veo 3.1?

Kjernefunksjoner

Veo 3.1 fokuserer på praktiske funksjoner for innholdsproduksjon:

Innebygd lydgenerering (dialog, omgivelseslyd, SFX) integrert i utdata. Veo 3.1 genererer innebygd lyd (dialog + atmosfære + SFX) som er tidslinjejustert mot bildene; modellen tar sikte på å bevare leppesynk og lyd–bilde-synkronisering for dialog og scenesignaler.
Lengre utdata (støtte for opptil ~60 sekunder / 1080p, sammenlignet med Veo 3s svært korte klipp, 8s), og flerprompt flerskuddssekvenser for narrativ kontinuitet.
Scene Extension og First/Last Frame-moduser som forlenger eller interpolerer opptak mellom nøkkelbilder.
Objektinnsetting og (kommer) objektfjerning samt redigeringsprimitiver i Flow.

Hvert punkt ovenfor er utformet for å redusere manuelt VFX-arbeid: lyd og scenekontinuitet er nå førsteklasses utdata, ikke noe som legges til i etterkant.

Tekniske detaljer (modellatferd og inndata)

Aspect ratios: 16:9 (støttet) og 9:16 (støttet, bortsett fra i noen referansebilde-flyter).

Prompt language: Engelsk (forhåndsvisning).

Benchmark-ytelse

Begrensninger og hensyn til sikkerhet

Begrensninger:

Artefakter og inkonsistens: Til tross for forbedringer kan bestemte lyssettinger, finmasket fysikk og komplekse okklusjoner fortsatt gi artefakter; konsistens i bilde→video (særlig over lange varigheter) er forbedret, men ikke perfekt.
Feilinformasjon / deepfake-risiko: Rikere lyd + objektinnsetting/fjerning øker misbruksrisikoen (realistisk falsk lyd og lengre klipp). Google nevner avbøtende tiltak (policy, sikringer) og tidligere Veo-lanseringer refererte til vannmerking/SynthID for å hjelpe proveniens; tekniske sikringer eliminerer imidlertid ikke misbruksrisiko.
Kostnads- og gjennomstrømningsbegrensninger: Høyoppløselige, lange videoer er beregningsmessig dyre og for tiden begrenset i en betalt forhåndsvisning — forvent høyere ventetid og kostnad sammenlignet med bildemodeller. Community-innlegg og Google-forumtråder diskuterer tilgjenglighetsvinduer og reservestrategier.

Praktiske bruksområder

Rask prototyping for kreative: storyboard → flerskuddsklipp og animatics med innebygd dialog for tidlig kreativ gjennomgang.
Markedsføring og kortformatinnhold: 15–60s produktannonser, sosiale klipp og konsept-teasere der hastighet betyr mer enn perfekt fotorealisme.
Bilde→video-tilpasning: gjøre illustrasjoner, figurer eller to bilder om til jevne overganger eller animerte scener via First/Last Frame og Scene Extension.
Verktøystøtte: integrert i Flow for iterativ redigering (objektinnsetting/fjerning, lysforhåndsinnstillinger) som reduserer manuelle VFX-runder.

Sammenligning med andre ledende modeller

Funksjonalitet	Veo 3.1	Sora 2	Runway Gen-4 / Gen-4.5
Innebygd vertikal utdata	Ja	Begrenset arbeidsflytstøtte	Ja
Bilde-til-video	Ja	Ja	Ja
Fokus på lydintegrasjon	Sterk	Moderat	Moderat
Betinging på rammer	Ja	Ja	Delvis
Optimalisering for sosiale videoer	Sterk	Moderat	Sterk
Integrasjon i API-økosystem	Google-økosystemet	OpenAI-økosystemet	Økosystemet for skaperverktøy

Hvordan bruker jeg Veo 3.1 API med CometAPI?

Opprett en CometAPI-API-nøkkel
Velg veo-3.1-generate-001 som modell-endepunkt
Send prompt- eller bildeenndata via videogenererings-API-et
Poll resultater og hent genererte videoer
Iterer prompter for kamerabevegelse, scenekontinuitet og konsistensforbedringer

FAQ

API

Kopier et fungerende endepunkt og kodeeksempel, og åpne den fullstendige API-referansen når du trenger alle parameterne.

Ett API, produksjonsklar modelltilgang

Autentiser én gang, kall modellens endepunkt, og behold samme faktureringen og overvåkningsflyt på tvers av leverandører.

POST/v1/videos

Eksempelkode og API for 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}`);

Funksjoner

Se gjennom de viktigste modellopplysningene før du velger arkitektur eller anslår produksjonsbelastning.

Støttede funksjoner

Funksjoner returnert av det eksisterende modell-API-et.

text-to-video

image-to-video

Inndata og utdata

Inndata

text

Utdata

video

Produksjonsprofil

Leverandør: Google
Kontekst: Avhenger av modellen
Kommersiell bruk: Støttet

Bruksområder

Bruk Veo 3.1 til produksjonsarbeidsflyter som passer video-funksjonene, og sammenlign deretter alternativer før en langsiktig integrasjon.

Tekst-til-video-konsepter og sosialt innhold

Produktdemoer og filmatiske storyboards

Bilde-til-video-bevegelse og kreativ iterasjon

Andre modeller

Sammenlign andre modeller tilgjengelig via CometAPI basert på kvalitet, ventetid, funksjoner og pris.

Åpne modellsammenligning →

Aliyun

Wan 3.0 Prime

Wan 3.0 Prime er Alibaba Cloud Model Studios hastighetsoptimaliserte versjon av Wan 3.0-videogenereringsmodellen.

Wan2.6 er en videogenereringsmodell utviklet for stabil og effektiv generering av video. Den tilbyr pålitelig visuell kvalitet og jevn bevegelsesgenerering for generelle videoproduksjonsoppgaver.

Se modell

Flux

Flux 3

FLUX 3 - Modeller for den virkelige verden: Mot multimodale flytmodeller som ryggraden i visuell intelligens.

Oppetid

Se gjennom live heartbeat-data, endepunkttilgjengelighet og observerte responstider før du går i produksjon.

Oppetid

Forespørselssuccessrate over de siste 30 dagene, som gjenspeiler påliteligheten til hver modellleverandør. CometAPI overvåker alle tilkoblede leverandører i sanntid, 24/7.

Respond

146310msAvg. Response

Uptime

98.5%Avg. Uptime

Versjoner

Se gjennom tilgjengelige modellidentifikatorer før du fastsetter en produksjonsintegrasjon.

Modell-ID	beskrivelse	Tilgjengelighet	Forespørsel
veo3.1-all	Teknologien som brukes er uoffisiell, og genereringen er ustabil osv.	✅	Chat format
veo3.1	Anbefales, peker til den nyeste modellen	✅	Asynkron generering

Oppdateringer

Følg med på vesentlige endringer i tilgjengelighet, priser og funksjoner for Veo 3.1 uten å miste den stabile modellsiden.

Modellens endringslogg

Én side som blir bedre over tid.

Versjonsnotater, prisendringer, oppdateringer av ytelsesmålinger og migreringsveiledning samles her, mens den kanoniske URL-en forblir uendret.

Jun 1, 2026

API-tilgjengelighet bekreftet

Veo 3.1 er tilgjengelig gjennom CometAPI-modellkatalogen og API-dokumentasjonen.

Gjeldende

Aktuelle data

Priser og begrensninger synkronisert fra katalogen

Pris, kontekst, tilgjengelighet og begrensninger behandles som dynamiske egenskaper i stedet for å være innebygd i sidetittelen eller modellidentiteten.

Nov 24, 2025

Permanent modellentitet opprettet

Leverandøren og modell-sluggen utgjør en varig kanonisk URL; fremtidig innhold og dataoppdateringer forblir på denne siden.

Fortsett å utforske