概览
- 工具名称：Veo
- 开发商：Google DeepMind
- 官网：https://deepmind.google/models/veo/
- 分类：AI Video Tools
Veo 是 Google DeepMind 的视频生成模型家族。当前一代 Veo 3.1 最突出的一点是：音频与视频一起生成。对白、音效和环境声与画面在同一次生成中产出并保持同步，而不是后期再加一道声音设计。Veo 支持文生视频和图生视频，可以接受参考图以在多个镜头间保持角色一致，提供镜头控制和场景延展，最高支持 4K，横屏竖屏皆可。
主要用途
- 生成自带声音的镜头：提示词可以指定说什么、听到什么、镜头怎么动，模型返回的对白和环境声已经同步好——这是选 Veo 而不选同类产品最明确的理由。
- 跨镜头保持角色一致：最多三张参考图可以锚定角色的外观，这才让多镜头序列变得可用，而不是一堆互不相干的片段。
- 一开始就按竖屏做：原生 9:16 输出意味着 Shorts、Reels 和 TikTok 素材直接在正确的画幅里生成，不用后期裁切。
- 延展和编辑已有镜头：场景延展、物体插入和画面外扩，让 Veo 不局限于单镜头生成，也能对已有素材做轻量编辑。
- 通过 API 规模化生成：开发者可以在 Lite、Fast、Standard 三个档位之间选择，按输出秒数付费，成本可预测到能进预算。
价格方案
- Google AI 消费级订阅：Veo 生成被打包进 Google 的消费级 AI 套餐，每月有 Flow 生成额度，各档位上限不同。
- API — Lite：最便宜的档位，价格约为 Fast 的一小部分，覆盖 720p 与 1080p，面向高批量、对成本敏感的生成；不支持 4K 和场景延展。
- API — Fast：按秒计价，处于价格区间低位，适合在 720p 和 1080p 上快速迭代。
- API — Standard：画质最高的档位，按秒计价并随分辨率上升，4K 输出位于区间顶端。
Veo 在 API 上按生成视频的秒数计价，消费级套餐则按月度额度，两者 Google 都调整过不止一次。做预算前请到 deepmind.google 和 Gemini API 定价页核对当前费率。
适用场景
- 电影人和广告导演：对声音是镜头的一部分、而不是后期再补的人。
- 短视频与社交内容创作者：原生竖屏输出加上内置音频，天然适配 Reels、Shorts 和 TikTok。
- 动效设计师和代理商：参考图一致性和镜头控制，适合需要多个镜头串得起来的工作。
- 开发视频功能的工程师：三个档位、按秒按分辨率计费，让规模化成本可预测。
如何使用Veo
1. 选择接入路径：消费级用 Gemini 应用或 Google Flow，程序化生成用 Gemini API 和 Vertex AI。
2. 用 Google 账号登录，并确认视频生成在你的地区和套餐下可用。
3. 把提示词写成镜头描述：主体、动作、镜头，以及——这点是很多人忘的——声音，包括任何要说出的台词。
4. 如果角色或物体需要保持一致，上传最多三张参考图。
5. 选择档位。迭代和批量用 Lite 或 Fast，只有确定要交付的镜头才上 Standard。
6. 生成后同时检查画面和声音，核对口型同步和发音，多人场景尤其要注意。
7. 如果需要特定的起止画面状态，使用场景延展或首尾帧控制。
8. 导出片段并在剪辑软件里完成——一段成片请按需要多次生成来规划。
使用建议
- 把声音写进提示词。 点明台词、环境声和音效，才能释放 Veo 相对于无声视频模型的核心优势。
- 在便宜的档位上迭代。 Lite 和 Fast 的存在就是为了让你放心烧迭代，只把最终镜头提到高档位。
- 多镜头一定要用参考图。 没有参考图，角色会在多次生成之间漂移。
- 每条交付前都检查声音。 同步和发音总体不错但不完美，多人场景最容易出问题。
- 规模化前先算账。 按秒计费意味着最高档位下一分钟成片是实打实的开销，先估算迭代次数。
- 记住单次时长限制。 单次生成只有几秒，序列应该按多个镜头规划，而不是指望一个长镜头。
局限与注意事项
- 单次生成很短——只有几秒。一个成片场景需要多次生成再加一遍剪辑。
- 定价确实复杂：三条接入路径、多个档位，按秒费率还随分辨率和是否含音频浮动。
- 最高画质档位（4K 含音频）是市面上每秒单价最贵的一档。
- 通过 Gemini 应用和 Flow 的消费级访问有实际用量上限，重度用户最终还是要走 API。
- 生成的音频仍需复核。对白节奏、发音和多人对话场景是薄弱环节。
- Gemini、Flow、AI Studio 和 API 之间的可用性、额度和功能并不一致，在一个入口能做的事换个地方未必能行。
- 需要 Google 账号，这对已经标准化在其他生态的团队是个限制。
常见问题
Veo 是什么？
Veo 是 Google DeepMind 的视频生成模型家族。当前版本 Veo 3.1 能从文字或图片生成短视频片段，并且与多数同类产品不同，它在同一次生成中产出同步音频。
Veo 免费吗？
Veo 本身没有长期免费档。消费级访问被打包进付费的 Google AI 套餐，每月有生成额度；API 则按输出秒数计费。
Veo 多少钱？
API 按生成视频的秒数计价，随档位和分辨率变化——Lite 最便宜，Standard 最贵，含音频和 4K 会进一步上升。消费级套餐则是打包月度额度。做预算前请核对 Google 当前定价。
怎么使用 Veo？
可通过 Gemini 应用、Google Flow、Google AI Studio，开发者则可走 Gemini API 和 Vertex AI。各入口的功能与额度不同。
Veo 能生成音频吗？
能。对白、音效和环境声与视频一同生成并保持同步——这是 Veo 与竞品最大的区别。
Veo 支持什么分辨率？
横屏竖屏最高均可到 4K，具体取决于档位。Lite 最高到 1080p。
一次能生成多长？
单次生成只有几秒，更长的序列通过多个镜头串接实现。
