Видео со звуком и речью
Видеомодель Google, которая снимает ролик сразу со звуком: реплики героев, шумы места и музыка рождаются вместе с картинкой. Сцену можно задать описанием, первым и последним кадром или картинками героя и товара.
О модели
Veo 3.1 — видеомодель Google DeepMind, вышедшая в октябре 2025 года. По словам Google, по сравнению с Veo 3 она точнее следует запросу, лучше передаёт фактуры и делает звук богаче. Главное, чем Veo отличается от большинства видеомоделей: звук не добавляется отдельно, а создаётся вместе с изображением — герой произносит реплику, губы двигаются в такт, а шаги, ветер и музыка звучат там, где им положено.
Модель хорошо понимает язык кино: план, наезд, облёт и проводку камеры можно описать обычными словами. В Creative AI Veo 3.1 работает в браузере без VPN, оплата в рублях. Режимов три — основной, Fast и Lite; в марте 2026 года Google добавил Lite как самый доступный вариант.
Три режима
Один и тот же запрос в каждом режиме. Звук, кадры, формат и разрешение есть везде — режимы различаются проработкой, скоростью и ценой.
Основной режим
Самая тщательная проработка кадра: фактуры, свет, мимика и движение камеры. Ролик готовится дольше, чем в Fast и Lite.
Текст или первый и последний кадр. Референсные изображения не принимает.
Быстрее и дешевле
Тот же язык кино и звук, но ролик приходит быстрее и стоит в разы меньше. В мелких деталях уступает основному режиму.
Текст, первый и последний кадр или до 3 референсных изображений.
Самый доступный
Самый дешёвый способ получить ролик Veo со звуком. По данным Google, работает так же быстро, как Fast; детали и сложное движение проще.
Текст, первый и последний кадр или до 3 референсных изображений.
Запрос для всех трёх роликов
Кинематографичный кадр. Ночная мастерская часовщика, тёплый свет настольной лампы, на стене за спиной мерцают десятки старинных часов. Пожилой мастер с седой бородой и лупой на лбу поднимает глаза от раскрытого механизма карманных часов, улыбается и тихо говорит по-русски: «Всё, теперь они пойдут». Камера медленно наезжает от среднего плана к крупному. Звук: многоголосое тиканье часов, тонкий щелчок пинцета, далёкий гудок поезда за окном. Без музыки, без титров и надписей.
Цена — за ролик длительностью 8 с со звуком и не зависит от способа запуска: текст, кадры или референсы. Стоимость видна до запуска.
Примеры
Каждый ролик создан по запросу, показанному под ним, — его можно скопировать и изменить под свою задачу.
Первый кадр — зима, последний — лето. Veo достраивает всё, что происходит между ними, и озвучивает смену сезонов.
Камера неподвижна, одна непрерывная сцена. Зима плавно сменяется летом: снег тает и оседает, из-под него пробивается трава, распускаются полевые цветы, небо светлеет до закатного золота, в окнах дома загорается тёплый свет. Звук: зимний ветер стихает, слышна капель, затем стрекот кузнечиков и пение птиц.
Внешность девушки и термос взяты с двух изображений, всё остальное — набережная, действие и звук — из описания.
Девушка с изображения 1 идёт по осенней набережной вдоль реки, под ногами жёлтые листья. Она останавливается у парапета, достаёт из своей кожаной сумки термос с изображения 2 — тёмно-зелёный, с бамбуковой крышкой, точно как на картинке, — откручивает бамбуковую крышку, и от чая поднимается пар. Средний план, камера сопровождает её сбоку. Звук: шаги по листьям, шум реки, щелчок крышки. Без титров и надписей.
Только текст: один предмет, одно действие и чёткий звук. Формат 9:16 сразу подходит для сторис и клипов.
Вертикальный кадр. Запотевшая стеклянная бутылка лимонада без этикетки стоит на мокром тёмном камне, по стеклу стекают капли, вокруг кубики льда и долька лайма. Пробка с чётким хлопком вылетает вверх, из горлышка поднимаются пузырьки. Камера медленно поднимается снизу вверх. Звук: хлопок пробки, шипение газировки, звон льда. Без надписей и логотипов.
Практика
Пишите как режиссёр: коротко, по порядку и с одним главным действием на ролик.
Одно главное действие на ролик: кто в кадре, что происходит и чем сцена заканчивается.
Крупный, средний или общий план; камера стоит, наезжает, облетает героя или идёт рядом с ним.
Время суток, откуда падает свет, погода и настроение сцены.
Шумы места и музыка, а реплику — дословно в кавычках и на том языке, на котором она должна прозвучать.
Средний план. Бариста в пустой утренней кофейне ставит чашку на стойку и с улыбкой говорит: «Ваш капучино готов». Мягкий свет из окна, пар над чашкой. Камера медленно приближается. Слышны шипение кофемашины и тихий джаз.
Ограничения
Вопросы и ответы
Это видеомодель Google DeepMind, вышедшая в октябре 2025 года. Она создаёт реалистичные ролики сразу со звуком — речью, шумами и музыкой — по описанию, по первому и последнему кадру или по референсным изображениям. В Creative AI она работает в браузере в трёх режимах: Veo 3.1, Veo 3.1 Fast и Veo 3.1 Lite.
Основной режим тщательнее всех прорабатывает кадр и готовит ролик дольше. Fast быстрее и в разы дешевле, но уступает в мелких деталях. Lite — самый доступный режим для черновиков и серий роликов. Референсные изображения принимают только Veo 3.1 Fast и Veo 3.1 Lite.
Цена указана за ролик и зависит от режима и разрешения, но не от способа запуска: Veo 3.1 — 157 ₽ за 720p, 160 ₽ за 1080p, 238 ₽ за 4K; Veo 3.1 Fast — 38 ₽ за 720p, 41 ₽ за 1080p, 113 ₽ за 4K; Veo 3.1 Lite — 19 ₽ за 720p, 22 ₽ за 1080p, 94 ₽ за 4K. Точная сумма видна до запуска, подписка не нужна. Если генерация завершится ошибкой, токены вернутся на баланс.
Во всех режимах ролик длится 8 с. Для длинной истории из нескольких сцен лучше подойдёт Seedance 2.5.
Звук создаётся всегда и уже входит в цену: реплики, шумы места и музыка появляются вместе с картинкой. Отдельного переключателя нет — если звук не нужен, его можно убрать при монтаже.
Да. Запрос уходит в модель как есть, без перевода, поэтому реплика, написанная по-русски, звучит по-русски. Речь и движение губ стоит проверить, прослушав ролик целиком.
Да, во всех режимах. Последний кадр работает только вместе с первым. Кадры нельзя сочетать с референсными изображениями: их можно добавить до 3 в режимах Veo 3.1 Fast и Veo 3.1 Lite, но тогда без кадров.
Горизонтальный 16:9 и вертикальный 9:16, разрешение — 720p, 1080p и 4K во всех трёх режимах.
Опишите сцену или загрузите кадры и референсы. Режим, разрешение и стоимость видны до запуска.
Создать видео в Veo 3.1