什麼時候應該使用 Veo 3.1 而不是 Sora 2？

當音訊同步、圖像引導的工作流程、直式內容創作，或與 Google 工具生態系統的整合最為重要時，請選擇 Veo 3.1。

在 CometAPI 中是否有 Veo 3.1 API 的免費試用？

新用戶將獲得免費金鑰，且 API 價格仍為官方價格的 20%。

Veo 3.1 能否為 TikTok 或 Shorts 製作直式影片？

是的。Veo 3.1 原生支援 9:16 的長寬比。

Veo 3.1 是否適合用於商業行銷影片與廣告？

是的。非常適合品牌內容、產品影片與社群媒體宣傳活動。

Veo 3.1 API 是否能夠既從圖像生成影片，也能根據文字提示生成影片？

是的。Veo 3.1 同時支援文字轉影片與圖像轉影片的工作流程，允許創作者從文字提示、圖像或影格引導工作流程開始。

如果 Veo 3.1 的生成失敗或結果不佳，我應該怎麼做？

降低文字提示的複雜度、簡化鏡頭指令，並反覆迭代文字提示。

Google

可使用

veo3.1

Veo 3.1 API

Veo 3.1 是一款旗艦級 AI 影片生成模型，專為具備原生音訊同步的高品質電影級輸出而設計。它提供逼真的動態表現、高視覺保真度，以及緊密對齊的聲畫生成，適用於專業影片製作。

起始價格

$0.32 / 秒

按使用量計費

API 健康狀態

可使用

正式環境端點

回應時間

支援非同步

實測 API 回應時間

發布時間

Jun 1, 2026

Google

互動測試

透過實際請求試用 Veo 3.1,檢視參數並在整合 API 前驗證輸出結果。

定價

先參考上方的單次執行預估,再查看完整的 CometAPI 與官方價格比較。

5 秒測試

$1.60

預估 CometAPI 使用成本

10 秒測試

$3.20

預估 CometAPI 使用成本

15 秒測試

$4.80

預估 CometAPI 使用成本

最低收費透明度此原型不假設隱藏的每次請求最低費用。如果適用生產計費下限或最低充值，則必須在購買前顯示並包含在每個預算估算中。

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).

模型簡介

穩定的模型身分可供搜尋與評估使用，搭配可能變動的即時目錄資料，無需重寫頁面的核心 SEO 結構。

穩定識別

Veo 3.1 是什麼？

即使價格與限制有所變動，標準模型身分仍保持穩定。

即時模型資料

目前目錄快照

可用性

可用

起始價格

$0.32 / 秒

上下文

查看功能

目錄日期

Jun 1, 2026

概覽

Veo 3.1 的實用總覽,涵蓋重要行為與整合注意事項。

Veo 3.1 的技術規格

項目	Veo 3.1 (公開規格)
官方模型 ID	veo-3.1-generate-001
提供方	Google DeepMind / Google Cloud
模型類型	文字轉影片與圖片轉影片生成
輸入類型	文字提示、圖片輸入、首幀 + 末幀引導
輸出類型	AI 生成的影片
支援解析度	720p、1080p、4K
支援長寬比	16:9 與 9:16
支援影格率	24 FPS
影片時長	4s、6s 或 8s 片段 (視模式而定)
提示語言	英文
每次請求的影片數量	最多 4 部
API 速率限制	每個專案每分鐘最多 50 次請求
支援的部署	Vertex AI、Gemini 生態系統整合、Flow
不支援的功能 (官方文件)	動態共用配額、部分參考圖片工作流程、標準 API 流程中的原生影片延伸

什麼是 Veo 3.1？

Veo 3.1 是 Google 旗艦級的生成式影片模型家族，專注於電影級畫質的影片合成、更強的提示遵從、更佳的場景一致性，以及多模態影片創作流程。它超越標準的文字轉影片生成，支援以圖片引導的生成與以畫格控制的敘事工作流程。官方支援包括文字轉影片、圖片轉影片、提示語重寫，以及首/末幀生成等工作流程。

核心功能

Veo 3.1 聚焦於實用的內容創作功能：

原生音訊生成（對白、環境音、音效）整合於輸出。Veo 3.1 會生成與視覺時間線對齊的原生音訊（對白 + 氣氛 + 音效）；模型旨在維持口型同步與對白、場景提示的音畫對齊。
更長的輸出（支援最長約 ~60 秒/1080p，相較於 Veo 3 的非常短片段，8s），以及多提示語的多鏡頭序列以維持敘事連貫性。
場景延伸與首/末幀模式，可在關鍵畫格之間延展或插補影像。
物件插入與（即將推出的）物件移除，以及 Flow 中的基礎編輯操作。

以上各點均旨在減少手動 VFX 工作：音訊與場景連貫性現在是第一等級的輸出，而非事後補強。

技術細節（模型行為與輸入）

模型家族與變體：Veo 屬於 Google 的 Veo-3 系列；預覽模型 ID 通常為 veo3.1-pro；veo3.1（CometAPI 文件）。它接受文字提示、圖片參考（單幀或序列），以及用於多鏡頭生成的結構化多提示語版面。

解析度與時長：預覽文件描述輸出為720p/1080p，並提供更長時長選項（在部分預覽設定下最長約 ~60s），且相較於早期 Veo 變體具有更高保真度。

長寬比：16:9（支援）與9:16（支援，但在部分參考圖片流程中例外）。

**提示語言：**英文（預覽）。

API 限制：典型的預覽限制包含每個專案每分鐘最多 10 次 API 請求、每次請求最多 4 部影片，以及影片長度可選4、6 或 8 秒（參考圖片流程支援 8s）。

基準表現

Google 的內部與對外匯總評估顯示，在人工評審比較中，Veo 3.1 的輸出在文字對齊、視覺品質，以及音畫一致性等指標上獲得強烈偏好（涵蓋文字→影片與圖片→影片任務）。

Veo 3.1 在多個客觀面向的內部人工評審比較上達到最先進水準——整體偏好、提示對齊（文字→影片與圖片→影片）、視覺品質、音畫對齊，以及在 MovieGenBench 與 VBench 等基準數據集上的「視覺上真實的物理效果」。

限制與安全考量

限制：

**人工痕跡與不一致：**儘管有所改進，特定光照、細微物理效果與複雜遮擋仍可能產生人工痕跡；圖片→影片的一致性（特別是長時長）已有提升但仍非完美。
**錯誤資訊／深偽風險：**更豐富的音訊與物件插入/移除提高了誤用風險（擬真假音訊與延長片段）。Google 指出有緩解措施（政策、保護機制），且早期 Veo 發布曾提及用於來源的浮水印/SynthID 以協助溯源；然而技術防護無法消除誤用風險。
**成本與吞吐限制：**高解析度、長影片計算成本高，當前在付費預覽中設有閘控——相較影像模型，預期延遲與成本更高。社群貼文與 Google 論壇討論了可用時窗與回退策略。

**安全控制：**Veo 3.1 內建內容政策、早期 Veo 版本中的浮水印/SynthID 訊號，以及預覽存取控制；建議客戶遵循平台政策，並對高風險輸出實施人工審查。

實際使用情境

創作者的快速原型：分鏡稿 → 多鏡頭片段與動畫樣片，並具備原生對白以供早期創意審閱。
**行銷與短影音內容：**15–60 秒產品廣告、社群短片與概念預告，速度優先於完美寫實。
圖片→影片改編：透過首/末幀與場景延伸，將插畫、角色或兩個畫格轉換成平滑過場或動畫場景。
**工具增強：**整合進 Flow 以反覆編輯（物件插入/移除、燈光預設），減少手動 VFX 流程。

與其他領先模型的比較

Veo 3.1 vs Veo 3（前代）：Veo 3.1 著重於更佳的提示遵從性、音訊品質與多鏡頭一致性——屬於漸進但影響重大的更新，旨在降低人工痕跡並提升可編輯性。

Veo 3.1 vs OpenAI Sora 2：媒體報導的取捨：Veo 3.1 強調較長篇幅的敘事控制、整合式音訊，以及 Flow 的編輯整合；Sora 2（媒體比較時）側重於不同優勢（速度、不同的編輯管線）。TechRadar 等媒體將 Veo 3.1 定位為 Google 在敘事與長影片支援上的針對性競品。獨立的並排測試仍然有限。

能力	Veo 3.1	Sora 2	Runway Gen-4 / Gen-4.5
原生直式輸出	是	有限的工作流程支援	是
圖片轉影片	是	是	是
音訊整合重點	強	中等	中等
畫格條件控制	是	是	部分
社群影片最佳化	強	中等	強
API 生態系統整合	Google 生態系統	OpenAI 生態系統	創作者工具生態系統

如何透過 CometAPI 使用 Veo 3.1 API？

建立 CometAPI API 金鑰
選擇 veo-3.1-generate-001 作為模型端點
透過影片生成 API 傳送提示語或圖片輸入
輪詢結果並擷取生成的影片
針對鏡頭運動、場景連貫與一致性改進反覆調整提示語

常見問題

API

複製可用的端點與程式碼範例,需要完整參數時再開啟完整 API 參考文件。

一個 API,直接對接正式環境模型

只需驗證一次,即可呼叫模型端點,並在各供應商間維持一致的計費與監控流程。

POST/v1/videos

Veo 3.1 的範例程式碼和 API

存取完整的範例程式碼和 API 資源，以簡化您的 Veo 3.1 整合流程。我們詳盡的文件提供逐步指引，協助您在專案中充分發揮 Veo 3.1 的潛力。

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}`);

功能

在選擇架構或評估正式環境負載前,先掌握模型的關鍵資訊。

支援的功能

現有模型 API 回傳的功能。

text-to-video

image-to-video

輸入與輸出

輸入

text

輸出

video

正式環境資訊

供應商: Google
上下文: 依模型而定
商業使用: 支援

應用場景

將 Veo 3.1 用於符合其 video 能力的正式工作流程,並在長期整合前比較其他選項。

文字轉影片的概念與社群內容

產品展示與電影感分鏡

圖像轉影片動態與創意迭代

其他模型

比較 CometAPI 提供的其他模型,在品質、延遲、功能與價格間取得平衡。

開啟模型比較 →

Aliyun

Wan 3.0 Prime

Wan 3.0 Prime 是 Alibaba Cloud Model Studio 中 Wan 3.0 影片生成模型的速度優化版本。

查看模型

Aliyun

Wan3.0

從快速驗證到電影級輸出，計費以所生成影片的片長為基準、選擇合適的解析度，並將每次生成轉化為有規劃的創意投資的活動規則

查看模型

Aliyun

Wan2.6

Wan2.6 是一款專為穩定且高效的影片合成而設計的影片生成模型。它為一般影片製作任務提供可靠的視覺品質與流暢的動態生成。

查看模型

Flux

Flux 3

FLUX 3 - 真實世界模型：邁向以多模態流模型作為視覺智能的骨幹。

查看模型

Aliyun

Happy Horse 1.1

HappyHorse 1.1 是一款面向專業內容創作、廣告、短片、社群媒體製作與敘事的多模態影片生成模型。它在 HappyHorse 1.0 的基礎上擴展能力——該版本曾在獨立的影片生成評測中名列前茅，因而獲得廣泛關注——並具備更強的場景連貫性與更高的視覺保真度。

查看模型

Aliyun

Wan2.7

Wan2.7 是一款面向高品質視覺合成並提升動作一致性的影片生成模型。適用於電影級內容創作與專業影片製作工作流程。

查看模型

服務可用性

在正式上線前,查看即時心跳資料、端點可用性與實測回應時間。

服務可用性

過去 30 天的請求成功率，反映每個模型供應商的可靠性。CometAPI 全天候即時監控所有已連接的供應商。

Respond

139646msAvg. Response

Uptime

97.4%Avg. Uptime

版本

在鎖定正式環境整合版本前,先查看可用的模型識別碼。

模型 ID	描述	可用性	請求
veo3.1-all	使用的技術為非官方，生成不穩定等	✅	對話格式
veo3.1	推薦，指向最新模型	✅	非同步生成

更新

持續追蹤 Veo 3.1 重要的可用性、價格與功能變動，同時保留穩定的模型頁面。

模型變更記錄

一個隨時間日益完善的頁面。

發布說明、價格變動、基準測試更新與遷移指南都會在此累積，而標準 URL 維持不變。

Jun 1, 2026

API 可用性已確認

Veo 3.1 可透過 CometAPI 模型目錄和 API 文件使用。

目前

即時資料

價格與限制已從目錄同步

價格、上下文、可用性和限制會被視為動態屬性，而不是嵌入頁面標題或模型識別中。

Nov 24, 2025

已建立永久模型實體

供應商與模型 slug 構成持久的規範 URL；未來的內容和資料更新將保留在此頁面。

持續探索

比較模型,繼續你的研究

Google

可使用

veo3.1

Veo 3.1 API

起始價格

$0.32 / 秒

按使用量計費

API 健康狀態

可使用

正式環境端點

回應時間

支援非同步

實測 API 回應時間

發布時間

Jun 1, 2026

Google

互動測試

透過實際請求試用 Veo 3.1,檢視參數並在整合 API 前驗證輸出結果。

定價

先參考上方的單次執行預估,再查看完整的 CometAPI 與官方價格比較。

5 秒測試

$1.60

預估 CometAPI 使用成本

10 秒測試

$3.20

預估 CometAPI 使用成本

15 秒測試

$4.80

預估 CometAPI 使用成本

最低收費透明度此原型不假設隱藏的每次請求最低費用。如果適用生產計費下限或最低充值，則必須在購買前顯示並包含在每個預算估算中。

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).

模型簡介

穩定的模型身分可供搜尋與評估使用，搭配可能變動的即時目錄資料，無需重寫頁面的核心 SEO 結構。

穩定識別

Veo 3.1 是什麼？

即使價格與限制有所變動，標準模型身分仍保持穩定。

即時模型資料

目前目錄快照

可用性

可用

起始價格

$0.32 / 秒

上下文

查看功能

目錄日期

Jun 1, 2026

概覽

Veo 3.1 的實用總覽,涵蓋重要行為與整合注意事項。

Veo 3.1 的技術規格

項目	Veo 3.1 (公開規格)
官方模型 ID	veo-3.1-generate-001
提供方	Google DeepMind / Google Cloud
模型類型	文字轉影片與圖片轉影片生成
輸入類型	文字提示、圖片輸入、首幀 + 末幀引導
輸出類型	AI 生成的影片
支援解析度	720p、1080p、4K
支援長寬比	16:9 與 9:16
支援影格率	24 FPS
影片時長	4s、6s 或 8s 片段 (視模式而定)
提示語言	英文
每次請求的影片數量	最多 4 部
API 速率限制	每個專案每分鐘最多 50 次請求
支援的部署	Vertex AI、Gemini 生態系統整合、Flow
不支援的功能 (官方文件)	動態共用配額、部分參考圖片工作流程、標準 API 流程中的原生影片延伸

什麼是 Veo 3.1？

核心功能

Veo 3.1 聚焦於實用的內容創作功能：

原生音訊生成（對白、環境音、音效）整合於輸出。Veo 3.1 會生成與視覺時間線對齊的原生音訊（對白 + 氣氛 + 音效）；模型旨在維持口型同步與對白、場景提示的音畫對齊。
更長的輸出（支援最長約 ~60 秒/1080p，相較於 Veo 3 的非常短片段，8s），以及多提示語的多鏡頭序列以維持敘事連貫性。
場景延伸與首/末幀模式，可在關鍵畫格之間延展或插補影像。
物件插入與（即將推出的）物件移除，以及 Flow 中的基礎編輯操作。

以上各點均旨在減少手動 VFX 工作：音訊與場景連貫性現在是第一等級的輸出，而非事後補強。

技術細節（模型行為與輸入）

解析度與時長：預覽文件描述輸出為720p/1080p，並提供更長時長選項（在部分預覽設定下最長約 ~60s），且相較於早期 Veo 變體具有更高保真度。

長寬比：16:9（支援）與9:16（支援，但在部分參考圖片流程中例外）。

**提示語言：**英文（預覽）。

基準表現

限制與安全考量

限制：

**人工痕跡與不一致：**儘管有所改進，特定光照、細微物理效果與複雜遮擋仍可能產生人工痕跡；圖片→影片的一致性（特別是長時長）已有提升但仍非完美。
**錯誤資訊／深偽風險：**更豐富的音訊與物件插入/移除提高了誤用風險（擬真假音訊與延長片段）。Google 指出有緩解措施（政策、保護機制），且早期 Veo 發布曾提及用於來源的浮水印/SynthID 以協助溯源；然而技術防護無法消除誤用風險。
**成本與吞吐限制：**高解析度、長影片計算成本高，當前在付費預覽中設有閘控——相較影像模型，預期延遲與成本更高。社群貼文與 Google 論壇討論了可用時窗與回退策略。

**安全控制：**Veo 3.1 內建內容政策、早期 Veo 版本中的浮水印/SynthID 訊號，以及預覽存取控制；建議客戶遵循平台政策，並對高風險輸出實施人工審查。

實際使用情境

創作者的快速原型：分鏡稿 → 多鏡頭片段與動畫樣片，並具備原生對白以供早期創意審閱。
**行銷與短影音內容：**15–60 秒產品廣告、社群短片與概念預告，速度優先於完美寫實。
圖片→影片改編：透過首/末幀與場景延伸，將插畫、角色或兩個畫格轉換成平滑過場或動畫場景。
**工具增強：**整合進 Flow 以反覆編輯（物件插入/移除、燈光預設），減少手動 VFX 流程。

與其他領先模型的比較

能力	Veo 3.1	Sora 2	Runway Gen-4 / Gen-4.5
原生直式輸出	是	有限的工作流程支援	是
圖片轉影片	是	是	是
音訊整合重點	強	中等	中等
畫格條件控制	是	是	部分
社群影片最佳化	強	中等	強
API 生態系統整合	Google 生態系統	OpenAI 生態系統	創作者工具生態系統

如何透過 CometAPI 使用 Veo 3.1 API？

建立 CometAPI API 金鑰
選擇 veo-3.1-generate-001 作為模型端點
透過影片生成 API 傳送提示語或圖片輸入
輪詢結果並擷取生成的影片
針對鏡頭運動、場景連貫與一致性改進反覆調整提示語

常見問題

API

複製可用的端點與程式碼範例,需要完整參數時再開啟完整 API 參考文件。

一個 API,直接對接正式環境模型

只需驗證一次,即可呼叫模型端點,並在各供應商間維持一致的計費與監控流程。

POST/v1/videos

Veo 3.1 的範例程式碼和 API

存取完整的範例程式碼和 API 資源，以簡化您的 Veo 3.1 整合流程。我們詳盡的文件提供逐步指引，協助您在專案中充分發揮 Veo 3.1 的潛力。

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}`);