模型支持企业博客
500+ AI 模型 API,一次搞定,就在 CometAPI
模型 API
开发者
快速入门文档API 仪表板
资源
AI 模型博客企业更新日志关于
2025 CometAPI。保留所有权利。隐私政策服务条款
Home/Models/Google/Veo 3.1 Pro
G

Veo 3.1 Pro

每秒:$0.25
Veo 3.1-Pro 指的是 Google 的 Veo 3.1 系列的高能力访问/配置——这一代短时长、支持音频的视频模型带来更丰富的原生音频、改进的叙事/剪辑控制以及场景扩展工具。
新
商用
Playground
概览
功能亮点
定价
API
版本

Veo 3.1-Pro 指的是 Google 的 Veo 3.1 系列中高能力访问/配置版本——这是一代短视频、支持音频的视频模型,具备更丰富的原生音频、更强的叙事/剪辑控制以及场景扩展工具;“Pro”这一标签通常用于表示 Google 订阅和产品生态中更高的访问级别或质量层级,而不是表示一种从公开架构上看截然不同的版本。

如何访问 Veo 3.1 Pro API

第 1 步:注册 API Key

登录 cometapi.com。如果您还不是我们的用户,请先注册。登录您的 CometAPI 控制台。获取该接口的访问凭证 API key。在个人中心的 API token 处点击“Add Token”,获取 token key:sk-xxxxx 并提交。

第 2 步:向 Veo 3 Pro API 发送请求

选择“\veo3.1-pro \”端点发送 API 请求,并设置请求体。请求方法和请求体可从我们网站的 API 文档中获取。我们的网站还提供了 Apifox 测试,方便您使用。将 <YOUR_API_KEY> 替换为您账户中的实际 CometAPI key。base url 为 Veo3 Async Generation(https://api.cometapi.com/v1/videos)。

将您的问题或请求插入到 content 字段中——这就是模型将要响应的内容。处理 API 响应以获取生成的答案。

第 3 步:获取并验证结果

处理 API 响应以获取生成的答案。处理完成后,API 将返回任务状态和输出数据。

要了解有关 Veo3.1 的更多信息,请参阅 Veo3.1 页面。

常见问题

Veo 3.1 Pro 可以生成音画同步的视频吗?

可以,Veo 3.1 Pro 具备原生音频生成功能,可生成与视觉时间线自动同步的集成对话、环境音和音效。

Veo 3.1 Pro API 支持的最大视频时长和分辨率是多少?

Veo 3.1 Pro 支持生成最长约 60 秒、1080p 分辨率的视频,并支持多提示词序列以保持叙事连续性。

Veo 3.1 Pro 如何处理场景扩展和插值?

Veo 3.1 Pro 提供 Scene Extension 模式以及 First/Last Frame 功能,可用于扩展镜头或在关键帧之间插值内容,从而实现更长的叙事序列。

什么时候应该使用 Veo 3.1 Pro,而不是标准版 Veo 3.1?

如果需要具备更强叙事控制、原生音频集成和高级场景扩展工具的高能力视频生成,请选择 Veo 3.1 Pro——它代表了 Veo 3.1 系列的高级版本。

Veo 3.1 Pro API 支持在生成的视频中进行对象操作吗?

支持,Veo 3.1 Pro 允许在 Flow 界面中插入对象,并计划在未来更新中加入对象移除和编辑功能。

Veo 3.1 Pro API 中的 enhance_prompt 参数是什么?

enhance_prompt 参数会自动优化您的输入提示词,通过改进叙事结构和视觉描述来获得更好的视频生成效果。

Veo 3.1 Pro API 如何处理异步视频生成?

Veo 3.1 Pro 采用基于异步任务的工作流:先创建生成任务,接收 task_id,然后轮询 /query 端点以检查状态,并在完成后获取 video_url。

Veo 3.1 Pro 的功能

了解 Veo 3.1 Pro 的核心能力,帮助提升性能与可用性,并改善整体体验。

Veo 3.1 Pro 的定价

查看 Veo 3.1 Pro 的竞争性定价,满足不同预算与使用需求,灵活方案确保随需求扩展。
Comet 价格 (USD / M Tokens)官方定价 (USD / M Tokens)折扣
每秒:$0.25
每秒:$0.3125
-20%

Veo 3.1 Pro 的示例代码与 API

获取完整示例代码与 API 资源,简化 Veo 3.1 Pro 的集成流程,我们提供逐步指导,助你发挥模型潜能。
POST
/v1/videos
Python
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-pro_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-pro",
        "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-pro_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-pro",
        "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}")

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-pro_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: $COMETAPI_KEY" \
  -F 'prompt=A breathtaking mountain landscape with clouds flowing through valleys, cinematic aerial shot' \
  -F 'model=veo3.1-pro' \
  -F 'size=16x9' \
  -F "input_reference=@${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"

Veo 3.1 Pro 的版本

Veo 3.1 Pro 可能存在多个快照,原因包括:更新后保持一致性需要保留旧版、给开发者留出迁移窗口,以及全球/区域端点提供的优化差异。具体差异请参考官方文档。
version
veo3.1-pro

更多模型

O

Sora 2 Pro

每秒:$0.24
Sora 2 Pro 是我们最先进、最强大的媒体生成模型,可生成带有同步音频的视频。它可以根据自然语言或图像创建细致、动态的视频片段。
O

Sora 2

每秒:$0.08
超级强大的视频生成模型,带有音效,支持聊天格式。
M

mj_fast_video

每次请求:$0.6
Midjourney video generation
X

Grok Imagine Video

每秒:$0.04
通过文本提示生成视频、为静态图像添加动画,或用自然语言编辑现有视频。该 API 支持配置生成视频的时长、长宽比和分辨率,并由 SDK 自动处理异步轮询。
G

Veo 3.1

每秒:$0.05
Veo 3.1 是 Google 针对其 Veo 文本与图像→视频系列的渐进但意义重大的更新,新增更丰富的原生音频、更长且可控性更高的视频输出,以及更精细的编辑与场景级控制。
G

Veo 3 Pro

G

Veo 3 Pro

每秒:$0.25
Veo 3 pro 表示 Veo 3 视频模型的生产级体验(高保真、原生音频以及扩展的工具支持)。

相关博客

HappyHorse-1.0 是什么?如何比较 Seedance 2.0?
Apr 11, 2026
seedance-2-0

HappyHorse-1.0 是什么?如何比较 Seedance 2.0?

了解 HappyHorse-1.0 是什么、它为何登上 Artificial Analysis 视频排行榜榜首、它与 Seedance 2.0 的比较,以及最新排名对 AI 视频生成意味着什么。
什么是 Google Veo 3.1 Lite?
Apr 1, 2026
veo-3-1

什么是 Google Veo 3.1 Lite?

Veo 3.1 Lite 是什么?Veo 3.1 Lite 是 Google 面向开发者推出的最新具成本效益的视频生成模型,于 2026 年 3 月 31 日发布。它支持文本生成视频和图像生成视频,可输出带音频的视频,并面向大规模应用设计。Google 称,在保持相同速度的同时,其成本不到 Veo 3.1 Fast 的一半,并支持 16:9 和 9:16 输出格式以及 720p/1080p 分辨率。
什么是 Seedance 2.0?全面分析
Mar 24, 2026
seedance-2-0

什么是 Seedance 2.0?全面分析

Seedance 2.0 是由 ByteDance 开发的新一代多模态 AI 视频生成模型,能够从文本、图像、音频和参考视频生成高质量、电影级视频。它具备音视频联合生成、运动稳定性和基于参考的编辑等特性,并迅速在诸如 Artificial Analysis 排行榜等全球基准上攀升,在 2026 年跻身顶尖 AI 视频模型之列。
如何使用 Veo 3.1 编辑视频
Mar 5, 2026
veo-3-1

如何使用 Veo 3.1 编辑视频

Google 在 2025 年 10 月中旬公开推出了 Veo 3.1(以及 Veo 3.1 Fast 变体),作为一款改进的文本到视频模型,可生成更高保真度的短
全新 Veo3.1:更高的一致性、更多样的输出与更丰富
Jan 14, 2026
veo-3-1

全新 Veo3.1:更高的一致性、更多样的输出与更丰富

Google 的 Veo 3.1 于 1 月更新,带来了多项有针对性的改进,使图像转视频工作流程更接近制作级质量。此次发布强调图像转视频保真度、更佳的时间一致性和角色一致性、面向移动平台的原生竖屏输出,以及通过改进的 1080p 画质和 4K 升级路径实现的更高分辨率输出。对于一直在为社交平台竖屏格式采用“先裁剪再编辑”工作流程的创作者和开发者来说,Veo 3.1 的原生 9:16 输出和改进的升级能力有望减少流程阻力,并交付更精致、更适合平台直接使用的视频片段。