Veo 3.1
Modelo de video · Google ·
Veo 3.1 es un modelo de video de Google. En Endless cuesta desde 13 créditos por video y está disponible en todos los planes.
Veo 3.1 es el modelo de Google que convierte texto o imágenes en planos cinematográficos de 4, 6 u 8 segundos hasta 4K, con audio opcional.
- Precio
- Desde 13 créditos por video
- Disponibilidad
- Disponible en todos los planes
- Duración
- 4, 6 u 8 s
- Resolución
- 720p, 1080p o 4K
- Entradas
- Texto, imagen, primer y último fotograma
- Referencias
- Hasta 3 imágenes
- Audio
- Opcional, nativo
Sobre Veo 3.1
Veo 3.1 es el modelo de video de Google DeepMind para planos cortos y cinematográficos. Genera clips de 4, 6 u 8 segundos en 16:9 o 9:16, a 720p, 1080p o 4K. Si activas el audio, crea diálogos, efectos de sonido y ambiente junto con la imagen; los diálogos funcionan mejor en inglés. Cada clip lleva una marca de agua SynthID que lo identifica como generado por IA.
Puedes describir un plano desde cero, animar una imagen inicial o dar un primer y un último fotograma para que Veo cree la transición entre ambos. Hasta tres imágenes de referencia mantienen coherente un personaje, un objeto o un estilo, algo útil cuando la misma mascota o el mismo producto aparece en una serie de clips. Los equipos lo usan para planos protagonistas de producto y cortes verticales para redes.
Ideal para
- Insertos cinematográficos cortos y planos de establecimiento
- Clips verticales 9:16 para redes sociales
- Transiciones entre un primer y un último fotograma que tú eliges
- Mantener coherente un producto o personaje con imágenes de referencia
Cómo escribir prompts para Veo 3.1
Cómo lee un prompt Veo 3.1
Veo 3.1 genera un plano, o una serie corta de planos, de 4, 6 u 8 segundos. La guía de prompts de Google divide un prompt en elementos: primero sujeto, acción y estilo, y luego posición y movimiento de cámara, composición, foco y efectos de lente, y ambiente. Google pide un lenguaje descriptivo y concreto, y sus ejemplos mejoran un prompt corto agregando detalles sobre la cara, la luz, el lente y el escenario, no palabras sobre la calidad. Como el clip es corto, escribe para un solo momento y descríbelo por completo, en lugar de una historia que necesita un minuto.
Una estructura que funciona
La guía de prompts de Google Cloud propone una fórmula de cinco partes:
[Cinematografía] + [Sujeto] + [Acción] + [Contexto] + [Estilo y ambiente]
Por ejemplo: "Travelling en contrapicado, un ciclista con impermeable amarillo, pedaleando fuerte cuesta arriba por un empedrado, una calle estrecha del casco antiguo después de la lluvia con piedras mojadas que reflejan letreros de neón, tonos azules fríos, rodado en película de 35 mm." Empieza por la cámara cuando el plano depende de ella. Si el audio está activado, agrega el sonido al final en una frase aparte.
Para más de un plano en un mismo clip, Google describe los prompts con marcas de tiempo: divide el clip en segmentos como [00:00-00:02] y [00:02-00:04], y dale a cada uno su plano, su acción y su sonido. Repite la misma descripción del personaje en cada segmento para que se mantenga igual.
Vocabulario de cámara y movimiento
Veo entiende los términos habituales del cine, y la guía de Google dice que la cinematografía es la parte más poderosa del prompt para transmitir tono y emoción.
- Movimiento: dolly, travelling, grúa, vista aérea, paneo lento, plano POV.
- Composición: plano general, primer plano, primerísimo primer plano, contrapicado, plano a dos, cenital.
- Lente y foco: poca profundidad de campo, foco profundo, foco suave, lente macro, gran angular.
- Luz y color: hora dorada, luz natural, tonos cálidos, tonos azules fríos, resplandor de neón.
Elige un movimiento principal por clip y di lo que revela ("la grúa sube y revela el cañón"). En ocho segundos rara vez caben más de uno o dos movimientos.
Audio y diálogo
En Endless el audio viene desactivado por defecto. Activa Generar audio y Veo crea diálogo, efectos de sonido y ambiente junto con la imagen. Las indicaciones de Google para cada uno:
- Diálogo entre comillas: Una mujer dice: "Tenemos que irnos ya."
- Efectos de sonido descritos de forma explícita: SFX: un trueno retumba a lo lejos.
- Ambiente en una línea aparte: Sonido ambiente: el zumbido tranquilo del puente de una nave espacial.
Haz las frases habladas cortas. La guía de fal señala que los parlamentos largos en un clip de 8 segundos se cortan o salen apresurados. Google dice que el inglés tiene soporte completo y que otros idiomas no se han evaluado, así que el diálogo en otros idiomas puede variar. Si quieres silencio o nada de música, dilo. Google también advierte que Veo a veces bloquea una generación por los filtros de seguridad o por un problema al procesar el audio; si pasa, reescribe el diálogo o prueba con el audio desactivado.
Imágenes, primer y último fotograma y referencias
Hay tres formas de guiar a Veo con imágenes:
- Empezar desde una imagen. Adjunta una imagen y activa Primer fotograma, y Veo la anima. Google sugiere elegir la imagen más parecida a la primera escena que quieres. En el prompt, describe el movimiento y el sonido, no lo que ya está en la imagen.
- Primer y último fotograma. Agrega también un último fotograma y describe la transición entre los dos, como un arco de cámara desde un primer plano hasta una vista general.
- Imágenes de referencia. Adjunta hasta tres imágenes de una persona, un personaje, un producto o un estilo, y Veo conserva su apariencia. Di qué es cada una ("con las imágenes del detective, la mujer y la oficina").
Todos los videos de Veo llevan una marca de agua SynthID que los identifica como generados con IA.
Ajustes importantes
- Modo: Standard para la máxima fidelidad, Fast como opción equilibrada por defecto y Lite como el nivel más ligero, que llega hasta 1080p.
- Duración: 4, 6 u 8 segundos. En la API de Google, las generaciones en 1080p, en 4K y con imágenes de referencia duran 8 segundos.
- Resolución: 720p, 1080p o 4K. Google indica que a mayor resolución, más tarda el render.
- Relación de aspecto: 16:9 o 9:16.
- Generar audio: desactivado por defecto.
- Imagen, Primer fotograma, Último fotograma e imágenes de referencia: como se describe arriba.
Fallos comunes y cómo corregirlos
- El resultado se ve genérico. El prompt es corto y vago. Agrega cámara, lente, luz y un estilo claro.
- Se ignora una exclusión. Describe lo que sí quieres, como sugiere Google: "un paisaje desolado sin edificios ni caminos" en lugar de "sin estructuras hechas por el hombre".
- El diálogo sale apresurado o cortado. Acorta la frase o elige una duración mayor.
- Un personaje cambia entre clips. Usa exactamente la misma descripción o adjunta imágenes de referencia.
- Pasan demasiadas cosas en un clip. Un clip de 8 segundos admite pocas acciones. Divide una historia larga en varios clips y edítalos juntos.
Preguntas sobre Veo 3.1
- ¿Qué es Veo 3.1?
- Veo 3.1 es un modelo de video de Google.
- ¿Veo 3.1 es gratis?
- Puedes probar Veo 3.1 gratis. Está en todos los planes de Endless, incluido el plan Free, que te da 100 créditos al crear un workspace y 50 créditos cada semana. Cada uso gasta créditos de ese saldo.
- ¿Cuánto cuesta Veo 3.1?
- En Endless cuesta desde 13 créditos por video y está disponible en todos los planes.
- ¿Cómo uso Veo 3.1?
- Abre Video en tu workspace de Endless, elige Veo 3.1 en el selector de modelos y escribe un prompt o agrega una imagen inicial. También puedes pedirlo por su nombre en el chat o usarlo en un canvas.
- ¿Qué alternativas hay a Veo 3.1?
- Entre los modelos similares que puedes usar en Endless están Seedance 2.5, Seedance 2.0 y FLUX 3. Cada uno tiene su propia página con su precio y su plan.
- ¿Veo 3.1 puede generar sonido?
- Sí. Con el audio activado, Veo 3.1 genera diálogos, efectos de sonido y ambiente junto con el video. El audio es opcional, así que también puedes crear clips sin sonido.
- ¿Cuánto duran los videos de Veo 3.1?
- Cada generación dura 4, 6 u 8 segundos. Para una pieza más larga, genera varios planos y edítalos juntos.
- ¿Veo 3.1 admite video vertical?
- Sí. Genera en 9:16 para formatos verticales y en 16:9 para horizontales.
Cómo usar Veo 3.1 en Endless
- 01
Abre Video
En tu workspace, abre Video y elige Veo 3.1 en el selector de modelos.
- 02
Describe la toma
Escribe un prompt con el sujeto, la cámara y el movimiento, o parte de una imagen que subas o generes.
- 03
Genera e itera
Genera y luego ajusta en el chat o en un canvas. Cada clip se guarda en los assets de tu workspace.
Prompts de ejemplo para Veo 3.1
Agrupados por caso de uso. Cada uno se abre en Endless con Veo 3.1, listo para editar y generar.
Tomas de producto
Dolly lento hacia una botella de vidrio esmerilado con jugo de naranja prensado en frío sobre una encimera de mármol, con gotas de condensación en el vidrio, sol de la mañana rasante desde la derecha, poca profundidad de campo y estética comercial limpia. SFX: un tintineo suave cuando se asienta un cubo de hielo.
Travelling macro que recorre el bisel de un reloj de buceo de acero apoyado en una roca negra mojada, con olas que lo cubren y se retiran, luz turquesa fría y detalle nítido en los números grabados.
Plano cenital de una tabla de madera mientras unas manos cortan un aguacate maduro por la mitad y giran las dos partes para separarlas, luz natural brillante de cocina, fresco y minimalista. Sonido ambiente: una cocina en silencio, un cuchillo sobre madera.
Órbita en contrapicado alrededor de un scooter eléctrico blanco estacionado en una azotea a la hora dorada, con el horizonte de la ciudad desenfocado al fondo, destello de lente cuando la cámara pasa frente al sol y gradación cálida de cine.
Primer plano de una mano que apoya una pluma estilográfica sobre papel color crema y escribe una sola firma con curvas, la tinta se extiende en las fibras, foco suave y lámpara de escritorio cálida. SFX: el roce del plumín, una hoja que se acomoda.
Unos audífonos con cancelación de ruido flotan y giran despacio sobre un fondo azul marino profundo mientras anillos finos de luz salen de las almohadillas, iluminación de estudio de producto, movimiento suave y preciso.
Planos de ambientación
Grúa que sube desde la cubierta mojada de un barco pesquero al amanecer hasta una vista alta de toda la flota saliendo de un puerto cubierto de niebla, luz pastel suave, tranquilo y amplio. Sonido ambiente: gaviotas, motores en ralentí, agua contra los cascos.
Vista aérea que recorre un cañón desértico de roca roja al mediodía, con una camioneta todoterreno solitaria que levanta una estela de polvo por el fondo del cañón, calima, cielo azul intenso y estética de película épica en 70 mm.
Plano general de un puesto de ramen iluminado con neón en una calle trasera de Tokio, lluviosa y de noche, con vapor que sube del mostrador, un cocinero que sirve caldo y charcos que reflejan letreros rosas y azules, paneo lento de izquierda a derecha. Sonido ambiente: lluvia sobre los toldos, un tren a lo lejos.
Plano general fijo de un lago alpino con la primera luz, neblina que se desliza sobre el agua, un solo bote de remos de madera amarrado a un muelle y el sol asomando sobre los picos y volviéndolos dorados, tranquilo y quieto.
Push-in lento a través de las puertas abiertas de un salón de baile abandonado de los años veinte, con polvo suspendido en rayos de luz de la tarde, una lámpara de araña que se balancea un poco y papel tapiz descolorido que se despega, inquietante y hermoso. Sonido ambiente: tablas que crujen, viento débil.
Travelling desde la ventana de un tren en marcha sobre colinas verdes de Escocia bajo nubes que se mueven rápido, con el sol que se abre paso y corre por los campos, estética documental y grano de película suave.
Escenas con diálogo
Plano medio a dos en una cabina de grabación estrecha: un productor joven con audífonos se inclina hacia una cantante nerviosa y dice: 'Una toma más, y esta vez, siéntela.' La cantante exhala y asiente. Luz práctica cálida, poca profundidad de campo, el zumbido bajo de la sala.
Primer plano de un pescador mayor que remienda una red en un muelle al atardecer, con su aprendiz al lado. Levanta la vista y dice: 'El mar te devuelve lo que le das.' El aprendiz sonríe. Sonido ambiente: olas, tablas que crujen, gaviotas a lo lejos.
Plano medio en mano en un pasillo de hospital lleno de gente de noche: una doctora con uniforme quirúrgico detiene a un enfermero que va con prisa. Doctora: 'El paciente de la seis está despertando.' Enfermero: 'Entonces ve, yo me encargo.' Luz fluorescente, tonos verdes fríos, monitores que pitan y pasos.
Escena de plastilina con dos caracoles en una mesa diminuta de cafetería. El primer caracol pregunta: '¿Ya pediste?' El segundo responde, muy despacio: 'Todavía lo estoy pensando.' Música suave de acordeón, tazas de té que tintinean.
Plano medio de una adolescente en una azotea al anochecer con un walkie-talkie, mientras se encienden las luces de la ciudad detrás de ella. Aprieta el botón y dice: 'Torre a base, las luces funcionan.' Una voz con interferencia responde: 'Entendido, ven a cenar.' Viento, tráfico lejano.
[00:00-00:04] Plano sobre el hombro de una barista que entrega una taza por el mostrador a un cliente habitual. [00:04-00:08] Contraplano en primer plano del cliente que lee el nombre en la taza y se ríe: 'Esta vez lo escribiste bien.' Conversaciones de cafetería, siseo de la máquina de espresso.
Clips verticales para redes
Vertical 9:16, POV en mano caminando por un mercado nocturno lleno de gente en Bangkok, con vapor y humo que salen de las parrillas, vendedores que llaman a los clientes y una mano que toma una brocheta de cerdo asado, colores vivos y mucha energía. Sonido ambiente: chisporroteo, conversaciones, motos.
Vertical 9:16, primer plano fijo de un latte mientras la leche forma una roseta, luz cálida de cafetería desde arriba, foco suave y cámara lenta. SFX: un vertido suave, la taza que se apoya en el plato.
Vertical 9:16, un skater entra en una piscina de concreto vacía al atardecer, con la cámara siguiéndolo bajo y rápido por detrás, contraluz cálido y grano de película ligero. SFX: ruedas sobre concreto, un aterrizaje limpio.
Vertical 9:16, un cachorro de golden retriever da tumbos entre hojas de otoño en un parque mientras persigue una pelota roja hacia la cámara, plano bajo a la altura de los ojos, luz suave de la tarde, juguetón.
Vertical 9:16, plano medio corto de una entrenadora frente a la cámara en un estudio luminoso. Dice: 'Tres ejercicios, treinta segundos cada uno, vamos.' Luego baja a la primera sentadilla. Música animada, luz natural limpia.
Vertical 9:16, plano cenital de unas manos que ordenan artículos de viaje sobre una cama de lino: un pasaporte, una cámara de película, lentes de sol y un mapa de papel, cada uno colocado con un golpe suave, luz brillante de la mañana.
Tomas a partir de imágenes
Empieza en la foto de producto adjunta. La cámara rodea despacio la botella mientras la luz de la mañana recorre la etiqueta y las sombras suaves se mueven sobre la encimera, con la etiqueta nítida todo el tiempo.
Con el primer y el último fotograma adjuntos, la cámara se aleja en línea recta y sube desde un primer plano de una semilla que brota hasta el jardín completo al atardecer, con plantas que crecen en time-lapse por el camino. Viento suave, cantos de pájaros.
Con las imágenes de referencia de la chef, la cocina y la sartén de cobre, plano medio de la chef salteando verduras en la sartén sobre fuego alto, con gotas de aceite que atrapan la luz. Chisporroteo, ruido de cocina.
Anima la ilustración adjunta: los farolillos de papel se mecen con suavidad, el río brilla y un bote pequeño avanza de izquierda a derecha, conservando el estilo pintado a mano y los colores de la imagen.
Con la imagen de referencia de la mascota, una versión en caricatura de la mascota surfea una ola gigante al atardecer y saluda a la cámara mientras pasa la espuma. Brillante, saturado y divertido. Rugido del mar, ukelele alegre.
Empieza en el retrato adjunto. Ella gira la cabeza despacio hacia la ventana, la cortina se levanta con la brisa y la luz le pasa por la cara, sutil y natural, con poca profundidad de campo.
Modelos relacionados
Seedance 2.5
de ByteDance
Clips de 30 segundos en una sola pasada, con hasta 50 referencias
Desde 51 créditos por video
Seedance 2.0
de ByteDance
Clips de 4 a 15 segundos guiados por imágenes, video y audio
Desde 16 créditos por video
FLUX 3
de Black Forest Labs
Clips de hasta 20 s con sonido, desde un prompt, fotogramas o un clip
Desde 90 créditos por video
Compara Veo 3.1
Veo 3.1 junto a otros modelos: precio, creador y plan, lado a lado.
Dale un lugar a tu próxima idea.
Empieza gratis, crea un proyecto y reúne las referencias de tu marca. O agenda una demo para conocerlo con tu equipo.