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

Tak. Veo 3.1 obsługuje zarówno przepływy pracy text-to-video, jak i image-to-video, umożliwiając twórcom rozpoczęcie od promptów, obrazów lub przepływów pracy z prowadzeniem klatkowym.

When should I use Veo 3.1 instead of Sora 2?

Wybierz Veo 3.1, gdy kluczowe są synchronizacja audio, przepływy pracy sterowane obrazem, tworzenie treści pionowych lub integracja z narzędziami Google w ramach ekosystemu.

Can Veo 3.1 create vertical videos for TikTok or Shorts?

Tak. Veo 3.1 obsługuje natywne proporcje obrazu 9:16.

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

Zmniejsz złożoność promptów, uprość instrukcje dotyczące kamery i iteruj prompty.

Is Veo 3.1 suitable for commercial marketing videos and ads?

Tak. Doskonale nadaje się do treści markowych, filmów produktowych i kampanii w mediach społecznościowych.

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

Nowi użytkownicy otrzymają bezpłatny klucz, a cena API nadal będzie wynosić 20% oficjalnej ceny.

Przystępne cenowo API Veo 3.1 | image-to-video

Playground dla Veo 3.1

Poznaj Playground Veo 3.1 — interaktywne środowisko do testowania modeli i uruchamiania zapytań w czasie rzeczywistym. Wypróbuj prompty, dostosuj parametry i iteruj natychmiast, aby przyspieszyć rozwój i zweryfikować przypadki użycia.

Specyfikacja techniczna Veo 3.1

Pozycja	Veo 3.1 (specyfikacja publiczna)
Oficjalny identyfikator modelu	veo-3.1-generate-001
Dostawca	Google DeepMind / Google Cloud
Typ modelu	Generowanie tekst-do-wideo i obraz-do-wideo
Typy wejść	Prompty tekstowe, obrazy wejściowe, sterowanie pierwszą + ostatnią klatką
Typ wyjścia	Wideo generowane przez SI
Obsługiwane rozdzielczości	720p i 1080p, 4K
Obsługiwane proporcje obrazu	16:9 i 9:16
Obsługiwana liczba klatek na sekundę	24 FPS
Czas trwania wideo	klipy 4s, 6s lub 8s (w zależności od trybu)
Język promptów	angielski
Liczba wideo na żądanie	Do 4
Limit szybkości API	Do 50 żądań/minutę/projekt
Obsługiwane wdrożenia	Vertex AI, integracje z ekosystemem Gemini, Flow
Nieobsługiwane funkcje (oficjalna dokumentacja)	Dynamiczna współdzielona pula, niektóre przepływy pracy oparte na obrazach referencyjnych, natywne rozszerzanie wideo w standardowym przepływie API

Czym jest Veo 3.1?

Veo 3.1 to flagowa rodzina generatywnych modeli wideo Google, skoncentrowana na syntezie wideo o jakości kinowej, lepszym przestrzeganiu promptów, wyższej spójności scen oraz multimodalnych przepływach tworzenia wideo. Wykracza poza standardowe generowanie tekst-do-wideo, obsługując generowanie prowadzone obrazem i opowiadanie historii z kontrolą klatek. Oficjalnie wspiera generowanie tekst-do-wideo, obraz-do-wideo, przepisywanie promptów oraz przepływy generowania pierwszej/ostatniej klatki.

Kluczowe funkcje

Veo 3.1 koncentruje się na praktycznych funkcjach tworzenia treści:

Natywna generacja dźwięku (dialog, dźwięki tła, SFX) zintegrowana w wynikach. Veo 3.1 generuje natywny dźwięk (dialog + ambience + SFX) zsynchronizowany z osią czasu obrazu; model dąży do zachowania synchronizacji ust oraz zgrania audio–wideo dla dialogu i wskazówek scen.
Dłuższe materiały (obsługa do ~60 sekund / 1080p w porównaniu z bardzo krótkimi klipami Veo 3, 8s) oraz wielopromptowe, wieloujęciowe sekwencje dla ciągłości narracyjnej.
Tryby Rozszerzanie sceny i Pierwsza/Ostatnia klatka, które rozszerzają lub interpolują materiał między kluczowymi klatkami.
Wstawianie obiektów oraz (nadchodzące) usuwanie obiektów i podstawowe operacje edycyjne w Flow.

Każdy z powyższych punktów ma ograniczyć ręczną pracę VFX: audio i ciągłość scen są teraz pełnoprawnymi wynikami, a nie dodatkami.

Szczegóły techniczne (zachowanie modelu i wejścia)

Rodzina modeli i warianty: Veo należy do rodziny Veo-3 Google; identyfikator modelu w wersji zapoznawczej to zazwyczaj veo3.1-pro; veo3.1 (dokumentacja CometAPI). Akceptuje prompty tekstowe, referencje obrazów (pojedyncza klatka lub sekwencje) oraz strukturyzowane układy wielopromptowe do generowania wieloujęciowego.

Rozdzielczość i czas trwania: Dokumentacja wersji zapoznawczej opisuje wyniki w 720p/1080p z opcjami dłuższych czasów (do ~60s w niektórych ustawieniach preview) i wyższą wiernością niż wcześniejsze warianty Veo.

Proporcje: 16:9 (obsługiwane) i 9:16 (obsługiwane z wyjątkiem niektórych przepływów z obrazami referencyjnymi).

Język promptów: angielski (wersja zapoznawcza).

Limity API: typowe limity w wersji zapoznawczej obejmują maks. 10 żądań API/min na projekt, maks. 4 wideo na żądanie oraz długości wideo wybierane spośród 4, 6 lub 8 sekund (przepływy z obrazami referencyjnymi obsługują 8s).

Wyniki w benchmarkach

Wewnętrzne i publicznie podsumowane ewaluacje Google raportują silną preferencję wyników Veo 3.1 w porównaniach ocenianych przez ludzi według metryk takich jak zgodność z tekstem, jakość wizualna i spójność audio–wideo (zadania tekst→wideo i obraz→wideo).

Veo 3.1 osiągnęło stan techniki w wewnętrznych porównaniach ocenianych przez ludzi wzdłuż kilku osi oceny — ogólna preferencja, zgodność z promptem (tekst→wideo i obraz→wideo), jakość wizualna, zgranie audio–wideo oraz „wizualnie realistyczna fizyka” — na zestawach benchmarkowych takich jak MovieGenBench i VBench.

Ograniczenia i kwestie bezpieczeństwa

Ograniczenia:

Artefakty i niespójności: mimo usprawnień, określone oświetlenie, drobna fizyka i złożone okluzje mogą nadal generować artefakty; spójność obraz→wideo (zwłaszcza przy długich czasach) jest poprawiona, ale nie perfekcyjna.
Ryzyko dezinformacji/deepfake'ów: bogatsze audio + wstawianie/usuwanie obiektów zwiększa ryzyko nadużyć (realistyczne fałszywe audio i dłuższe klipy). Google wskazuje na środki łagodzące (polityki, zabezpieczenia), a wcześniejsze wydania Veo odnosiły się do znakowania wodnego/SynthID na rzecz pochodzenia; jednak zabezpieczenia techniczne nie eliminują ryzyka nadużyć.
Koszt i ograniczenia przepustowości: wideo wysokiej rozdzielczości i długie materiały są kosztowne obliczeniowo i obecnie dostępne w płatnej wersji zapoznawczej — oczekuj wyższej latencji i kosztu w porównaniu z modelami obrazów. Wpisy społeczności i wątki na forach Google omawiają okna dostępności i strategie awaryjne.

Kontrole bezpieczeństwa: Veo 3.1 ma zintegrowane polityki treści, znakowanie wodne/SynthID we wcześniejszych wydaniach Veo i kontrolę dostępu w wersji zapoznawczej; klientom zaleca się przestrzeganie polityk platformy i wdrażanie weryfikacji przez człowieka dla wyników wysokiego ryzyka.

Praktyczne zastosowania

Szybkie prototypowanie dla twórców: storyboardy → wieloujęciowe klipy i animatiki z natywnym dialogiem do wczesnej weryfikacji kreatywnej.
Marketing i krótkie formy: 15–60-sekundowe spoty produktowe, klipy na social media i teasery koncepcji, gdzie liczy się tempo bardziej niż perfekcyjny fotorealizm.
Adaptacja obraz→wideo: przekształcanie ilustracji, postaci lub dwóch klatek w płynne przejścia lub animowane sceny dzięki trybom Pierwsza/Ostatnia klatka i Rozszerzanie sceny.
Wspomaganie narzędziowe: integracja z Flow dla iteracyjnej edycji (wstawianie/usuwanie obiektów, presety oświetlenia), co ogranicza ręczne przejścia VFX.

Porównanie z innymi wiodącymi modelami

Veo 3.1 vs Veo 3 (poprzednik): Veo 3.1 koncentruje się na poprawie przestrzegania promptów, jakości audio i spójności wieloujęciowej — to przyrostowe, lecz istotne aktualizacje mające ograniczyć artefakty i poprawić edytowalność.

Veo 3.1 vs OpenAI Sora 2: kompromisy raportowane w prasie: Veo 3.1 akcentuje kontrolę narracji dłuższych form, zintegrowane audio i integrację edycji w Flow; Sora 2 (w porównaniach prasowych) skupia się na innych atutach (szybkość, odmienne pipeline’y edycyjne). Niezależne testy porównawcze są wciąż ograniczone.

Możliwość	Veo 3.1	Sora 2	Runway Gen-4 / Gen-4.5
Natywne wyjście pionowe	Tak	Ograniczone wsparcie w przepływach pracy	Tak
Obraz-do-wideo	Tak	Tak	Tak
Nacisk na integrację audio	Silna	Umiarkowana	Umiarkowana
Kondycjonowanie klatek	Tak	Tak	Częściowe
Optymalizacja pod wideo społecznościowe	Silna	Umiarkowana	Silna
Integracja z ekosystemem API	Ekosystem Google	Ekosystem OpenAI	Ekosystem narzędzi dla twórców

Jak używać API Veo 3.1 z CometAPI?

Utwórz klucz API CometAPI
Wybierz veo-3.1-generate-001 jako endpoint modelu
Wyślij prompty lub wejścia obrazów przez API generowania wideo
Odpytuj wyniki i pobierz wygenerowane wideo
Iteruj prompty dla ruchu kamery, ciągłości scen i poprawy spójności

FAQ

Cennik dla Veo 3.1

Poznaj konkurencyjne ceny dla Veo 3.1, zaprojektowane tak, aby pasowały do różnych budżetów i potrzeb użytkowania. Nasze elastyczne plany zapewniają, że płacisz tylko za to, czego używasz, co ułatwia skalowanie w miarę wzrostu Twoich wymagań. Odkryj, jak Veo 3.1 może ulepszyć Twoje projekty przy jednoczesnym utrzymaniu kosztów na rozsądnym poziomie.

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).

Przykładowy kod i API dla Veo 3.1

Uzyskaj dostęp do kompleksowego przykładowego kodu i zasobów API dla Veo 3.1, aby usprawnić proces integracji. Nasza szczegółowa dokumentacja zapewnia wskazówki krok po kroku, pomagając wykorzystać pełny potencjał Veo 3.1 w Twoich projektach.

POST

/v1/videos

#!/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"

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"

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}`);

Wersje modelu Veo 3.1

Powody, dla których Veo 3.1 posiada wiele migawek, mogą obejmować takie czynniki jak: różnice w wynikach po aktualizacjach wymagające starszych migawek dla zachowania spójności, zapewnienie programistom okresu przejściowego na adaptację i migrację, oraz różne migawki odpowiadające globalnym lub regionalnym punktom końcowym w celu optymalizacji doświadczenia użytkownika. Aby poznać szczegółowe różnice między wersjami, zapoznaj się z oficjalną dokumentacją.

Identyfikator modelu	Opis	Dostępność	Żądanie
veo3.1-all	Wykorzystana technologia jest nieoficjalna, a generowanie jest niestabilne itp.	✅	Czat format
veo3.1	Polecany, wskazuje na najnowszy model	✅	Asynchroniczne generowanie