Modelo de vídeo de Google DeepMind

Google Veo 3.1

Veo 3.1 graba tomas de 8 segundos y te permite dirigir cada una: escribe una frase entre comillas y se reproducirá, nombra un sonido y lo oirás, establece el primer y el último fotograma y se reproducirá en ambos. Cada clip de esta página incluye la indicación con la que se creó, para que puedas usar la escena y adaptarla a tu producto.

Crea un vídeo con Veo 3.1
Creado con Google Veo 3.1

el símbolo

Cinematográfica, 35 mm, cámara lenta. Noche, dentro de una cabaña de guardabosques alpina cubierta de nieve. Una guardabosques de unos cincuenta años, con gorro de lana, está sentada en un escritorio de madera iluminado por una sola lámpara ámbar; la escarcha cubre la ventana tras ella, afuera brilla la luz azul de la luna. Levanta el auricular de una radio CB y dice, tranquila y cansada: «Base, aquí Cresta Dos. El paso está cerrado. Me quedo a pasar la noche». Sonido: el viento aullando contra las paredes, la estática de la radio crepitando antes y después de su mensaje, una tetera que empieza a silbar en la estufa tras ella.

Configuración

  • 8 segundos
  • 1080p
  • 16:9
  • Sonido activado (siempre)

Hecho con Veo 3.1 el 10/12/26. Solo se recortó, no se tocó nada más.

Prueba con esta sugerencia

Un guardabosques en una cabaña de montaña aislada por la nieve se comunica por radio con la base por la noche: «Base, aquí Cresta Dos. El paso está cerrado. Me quedo a pasar la noche». Viento, estática de radio y el silbido de una tetera. Creado con Google Veo 3.1.

Especificaciones de Google Veo 3.1

  • Realizado porGoogle DeepMind
  • Publicado15 de octubre de 2025
  • Longitud del clip4, 6 u 8 segundos, ampliable
  • Source-ConnectVeo 3.1, rápido y Lite
  • ResoluciónHasta 4K
  • SonidoSiempre encendido, hecho con el vídeo
Verificado con la documentación de Google el 8 de octubre de 2026.
Sonido

Escribe el sonido, luego escúchalo.

Escribe una frase entre comillas y Veo 3.1 la reproducirá, añadiendo el tono ambiental y los efectos que describas. Pulsa reproducir y observa cómo cada sonido aparece en la línea de la indicación que lo solicitó.

Haz clic en un sonido para ir a ese momento. Pulsa un sonido para ir a ese momento.

Nuestras etiquetas, no pistas separadas. Veo 3.1 ofrece una banda sonora mezclada, así que activa el sonido para esta.

Veo 3.1, rápido y Lite

3 versiones, 3 presupuestos

Las tres graban vídeo con sonido. Aquí te contamos qué incluye cada una para que puedas elegir antes de comprar.

ElementoVeo 3.1RápidoLite
Mayor resolución4K4K1080p
Imágenes de referenciaHasta 3Hasta 3No disponible
Primer y último fotogramaSí: Sí: Sí:
Prórrogas de tiempo para presentar declaraciones de impuestos7 segundos a la vez, a 720p7 segundos a la vez, a 720pNo disponible
SonidoSiempre encendidoSiempre encendidoSiempre encendido
Referencias

Elévalo con 3 imágenes

Un personaje, tu producto y una locación, cada uno con su propia estética para toda la toma. Así es como la botella en pantalla sigue siendo tu botella y no una simple imitación de la modelo.

Pasa el cursor sobre una referencia para ver dónde aparece. Toca una referencia para ver dónde aparece. Las imágenes de referencia requieren una toma de 8 segundos.

El resultado

Un corredor de montaña se detiene en una cresta de roca roja al atardecer, bebe de una botella de acero y dice: "Doce millas. Todavía hace frío". Creado a partir de 3 imágenes de referencia.

Galería Prompt

Ideas que puedes tomar prestadas

Cada toma viene con su indicación completa. Mantén la estructura y luego reemplaza con tu producto y tus diálogos.

Límites

Donde lucha

Siete de estos puntos provienen de la propia documentación de Google, que es más transparente que la mayoría. Conocerlos de antemano te ahorrará intentos fallidos.

tomas de 8 segundos

Ocho segundos es el tiempo máximo para una toma.

Arreglar Cualquier cosa más larga se extiende 7 segundos a la vez, o se cose.

Las extensiones son de 720p.

Las tomas extendidas se publican en 720p, incluso cuando la primera toma era en 4K.

Solucionar el problema de mantener la resolución 4K para tomas individuales de 8 segundos.

El sonido se une a través de las uniones

Si el último segundo de una toma es silencioso, la extensión no puede transmitir el sonido.

Arreglar: Mantener algo de sonido en el último segundo.

Otros idiomas

El inglés es totalmente compatible. Otros idiomas aún no han sido evaluados.

Primero, pruébalos en una toma de 4 segundos.

Audio bloqueado

Los filtros de seguridad de Google a veces bloquean una grabación debido a su audio.

Corrección: Reformula la línea e inténtalo de nuevo.

Sólo para adultos

Las tomas realizadas a partir de tus imágenes solo pueden mostrar adultos, y en la UE, Reino Unido, Suiza y MENA todas las tomas son solo para adultos.

Corrige los personajes adultos del elenco en tus referencias.

Escenas concurridas

Los críticos de Veo 3 observaron escenas concurridas y fallos en ciertos ángulos de cámara.

Lo ideal es usar un sujeto y un movimiento de cámara por toma.

Lite

Lite Omite imágenes 4K, imágenes de referencia y extensiones.

Fix Use Fast cuando necesite cualquiera de ellos.

Cómo

Cómo hacer uno en Predis.ai

  1. Logotipos de los modelos de IA que puede elegir en Predis.ai
    01

    Seleccione Veo 3.1

    Abra el Model Studio y elija Veo 3.1, Rápido o Lite de la lista de modelos.

  2. Una indicación escrita como un guion, con el sonido y la línea hablada en 0:00, 0:03 y 0:07.
    02

    Escríbelo como un guion

    Describe una toma, pon el diálogo entre comillas y nombra los sonidos que deseas. Lee la línea en voz alta y, si dura más de 8 segundos, córtala.

  3. Vídeo finalizado de Veo 3.1: un guarda forestal comunicándose por radio con la base desde una cabaña de montaña aislada por la nieve.
    03

    Hazlo y luego amplíalo si necesitas más.

    ¿Necesitas más de 8 segundos? Amplía la toma de 7 en 7 segundos.

Las propias directrices de Google son diálogos entre comillas y sonidos nombrados claramente. Esta es la forma de partida.

[La mirada: lente, luz, movimiento de cámara]. [Dónde y cuándo]. [Un sujeto haciendo una cosa]. [Quién habla] dice: "[La frase]" Sonido: [lo que oímos].

Preguntas que la gente hace

¿Qué es Google Veo 3.1?

Se trata del modelo de vídeo de Google DeepMind, que crea clips de entre 4 y 8 segundos con sonido sincronizado con la imagen. Puedes guiarlo con hasta 3 imágenes de referencia o con un primer y un último fotograma.

Google lo lanzó el 15 de octubre de 2025 y añadió la salida en 4K y vídeos de imagen de referencia vertical el 13 de enero de 2026.

De Google API no tiene free nivel para Veo 3.1. En Predis.ai Puedes probarlo durante la prueba gratuita de 3 días, para la cual necesitas una tarjeta y, a menos que la canceles, pasarás a un plan de pago.

Cada toma dura hasta 8 segundos. Al extenderla, se añaden 7 segundos cada vez, hasta un total de 148 segundos, a 720p.

Los tres hacen vídeo con sonido. Fast cuesta menos y mantiene 4K, imágenes de referencia y extensiones, mientras que Lite Cuesta menos y elimina los tres.

Sí, para tomas de 8 segundos en Veo 3.1 y Fast. Las extensiones se mantienen en 720p y Lite Se detiene en 1080p.

Recógelo en el Predis.ai Model Studio, describe una toma, pon los diálogos entre comillas y nombra los sonidos que quieras. La plantilla de esta página te da la forma.

Google no reclama la propiedad de tus creaciones, aunque puede generar vídeos similares para otras personas. Cada clip lleva una marca de agua invisible SynthID que lo identifica como generado por inteligencia artificial.

Se trata de la generación actual de Veo. Google también ofrece Gemini Omni, un modelo independiente para crear y editar vídeos mediante conversaciones.

Dirige tus primeros 8 segundos

Empiece con cualquier sugerencia de esta página y adáptela a su producto.

Crea un vídeo con Veo 3.1
Crea un vídeo con Veo 3.1

Veo es una marca registrada de Google. Predis.ai No está afiliado ni cuenta con el respaldo de Google.