Video · Google DeepMind

Veo 3 y 3.1

El modelo de video de Google, con diálogos, efectos y ambiente generados en la misma pasada. Elígelo para planos cortos, pulidos y realistas.

Anonimizado Low cost
Última versiónVeo 3.115 de octubre de 2025
Artificial Analysis Image to Video Arena1082 EloPuesto 7 de 22 en Artificial Analysis Image to Video Arena
Precio0,0742 $ por segundo de video0,371 $ por un clip de 5 s
Dato claveClips de hasta 8 s, con sonido

Qué lo distingue

Veo es el modelo de video de Google, y Veo 3 fue el primer modelo de uso masivo en generar diálogo, efectos y ambiente junto con la imagen. Veo 3.1 añadió imágenes de referencia, control del primer y último fotograma y extensión de escena, pero cada clip se queda en 8 s o menos.

  • Sonido generado con la imagen
  • 3.1: hasta 3 imágenes de referencia
  • 8 s por clip, ampliable

Recomendado para: rodar un plano cinematográfico ; una escena en la que hablan personas.

Puntos fuertes y límites

Dónde brilla

  • Sonido, voz y efectos sincronizados con la imagen
  • Veo 3.1 llega hasta 4K
  • Las versiones Fast cuestan la mitad del precio Full o menos

Piénsalo dos veces si

  • Como máximo 8 s por clip
  • Veo 3 en imagen a video solo hace 8 s
  • No hay modo de referencias en este catálogo
  • 4, 6 u 8 s
  • Sonido nativo
  • Veo 3.1 hasta 4K, Veo 3 hasta 1080p

Casos de uso

Plano de situación realista

Una calle lluviosa de Tokio de noche, reflejos de neón en el asfalto, un ciclista pasa bajo un paraguas. 8 segundos, lluvia y sonido lejano de tráfico.

Veo maneja bien la luz fotorrealista y el sonido ambiente.

Réplica en estilo entrevista

Un chef en una cocina mira a la cámara y dice: «The secret is patience.» Detrás, un suave tintineo de sartenes.

El diálogo y los efectos llegan en la misma pasada.

Transición entre dos fotogramas

Transición de mi primer fotograma (una semilla) a mi último fotograma (un girasol en plena flor) como un time-lapse, piano suave.

3.1 admite el control del primer y el último fotograma.

Frente a sus rivales

  • Seedance 2.0 y 1.5Seedance 2.0 llega hasta 15 s y acepta audio y video como entrada.Puesto 18 de 22 en Artificial Analysis Image to Video Arena ( 1000 Elo)
  • Kling V3Kling V3 ofrece clips multiplano más largos y un nivel 4K.Puesto 12 de 22 en Artificial Analysis Image to Video Arena ( 1055 Elo)
  • Grok Imagine videoGrok Imagine llega a 15 s, pero solo en 720p.Puesto 5 de 22 en Artificial Analysis Image to Video Arena ( 1098 Elo)
Comparar lado a lado ↗

Historial de versiones

Cada versión, con su fecha y lo que cambió respecto a la anterior.

  1. Veo 1Anterior, fuera de Sub Rosa
    • Anunciado en Google I/O 2024: video en 1080p de más de un minuto.
    Fuente : en.wikipedia.org
  2. Veo 2Anterior, fuera de Sub Rosa
    • Mejor comprensión de la física y resolución de hasta 4K, sin audio.
    Fuente : en.wikipedia.org
  3. Veo 3
    • Primer Veo con diálogo sincronizado, efectos de sonido y ruido ambiente.
    • Clips limitados a 8 s.
    Fuente : en.wikipedia.org
  4. Veo 3.1La más reciente
    • Imágenes de referencia (hasta 3) para mantener un personaje o un estilo de un plano a otro.
    • Control del fotograma inicial y final y extensión de la escena a un minuto o más.
    • Audio nativo más rico y mayor fidelidad al prompt.
    Fuente : developers.googleblog.com

Benchmarks

Cómo leer estas puntuaciones: lo que te dice un benchmark.

Artificial Analysis Image to Video Arena: puesto 7 de 22 modelos medidos en el catálogo. El mismo duelo a ciegas, a partir de una imagen: qué clip le da vida mejor. Una puntuación Elo: cuanto más alta, más a menudo se prefiere. Con 100 puntos de diferencia, el modelo con mayor puntuación gana alrededor del 64 % de los duelos.

Artificial Analysis Image to Video ArenaPuntuación Elo · Artificial Analysis, 4 de octubre de 2026
  1. 1. MiniMax H3 MaxMiniMax H3 (Hailuo)1195
  2. 2. MiniMax H3MiniMax H3 (Hailuo)1181
  3. 3. Wan 3.0Wan 3.01164
  4. 4. HappyHorse 1.1HappyHorse1104
  5. 5. Grok Imagine 1.5Grok Imagine video1098
  6. 6. HappyHorse 1.0HappyHorse1083
  7. 7. Veo 3.1 Full QualityVeo 3 y 3.11082
  8. 8. Wan 2.7Wan 2.x1077
  9. 9. Grok ImagineGrok Imagine video1072
  10. 10. Veo 3.1 FastVeo 3 y 3.11066
Ver las cifras
ModeloElo
1. MiniMax H3 Max1195
2. MiniMax H31181
3. Wan 3.01164
4. HappyHorse 1.11104
5. Grok Imagine 1.51098
6. HappyHorse 1.01083
7. Veo 3.1 Full Quality1082
8. Wan 2.71077
9. Grok Imagine1072
10. Veo 3.1 Fast1066

Artificial Analysis Text to Video Arena with audio: puesto 14 de 18 modelos medidos en el catálogo. El duelo para clips con sonido: imagen, voces, efectos y lo bien que encajan. Una puntuación Elo: cuanto más alta, más a menudo se prefiere. Solo participan los modelos que generan su propio sonido.

Artificial Analysis Text to Video Arena with audioPuntuación Elo · Artificial Analysis, 4 de octubre de 2026
  1. 1. Wan 3.0Wan 3.01156
  2. 2. Seedance 2.5Seedance 2.51142
  3. 3. MiniMax H3MiniMax H3 (Hailuo)1138
  4. 4. MiniMax H3 MaxMiniMax H3 (Hailuo)1134
  5. 5. Flux 3FLUX 3 video1127
  6. 6. Seedance 2.0Seedance 2.0 y 1.51119
  7. 7. Gemini Omni Flash 1.1Gemini Omni Flash1113
  8. 8. Grok Imagine 1.5Grok Imagine video1044
  9. 9. HappyHorse 1.1HappyHorse1043
  10. 10. Wan 2.7Wan 2.x1029
  11. 14. Veo 3.1 Full QualityVeo 3 y 3.1966
  12. 15. Veo 3.1 FastVeo 3 y 3.1958
Ver las cifras
ModeloElo
1. Wan 3.01156
2. Seedance 2.51142
3. MiniMax H31138
4. MiniMax H3 Max1134
5. Flux 31127
6. Seedance 2.01119
7. Gemini Omni Flash 1.11113
8. Grok Imagine 1.51044
9. HappyHorse 1.11043
10. Wan 2.71029
14. Veo 3.1 Full Quality966
15. Veo 3.1 Fast958

Los 8 modelos de esta familia

ModeloUsoPrivacidadPrecio
Veo 3 Fastveo3-fast-text-to-videoTexto a videoAnonimizado0,0495 $ por segundo de video0,248 $ por un clip de 5 s
Veo 3 Fastveo3-fast-image-to-videoImagen a videoAnonimizado0,0495 $ por segundo de video0,248 $ por un clip de 5 s
Veo 3 Full Qualityveo3-full-text-to-videoTexto a videoAnonimizado0,0989 $ por segundo de video0,495 $ por un clip de 5 s
Veo 3 Full Qualityveo3-full-image-to-videoImagen a videoAnonimizado0,0989 $ por segundo de video0,495 $ por un clip de 5 s
Veo 3.1 Fastveo3.1-fast-text-to-videoTexto a videoAnonimizado0,0742 $ por segundo de video0,371 $ por un clip de 5 s
Veo 3.1 Fastveo3.1-fast-image-to-videoImagen a videoAnonimizado0,0742 $ por segundo de video0,371 $ por un clip de 5 s
Veo 3.1 Full Qualityveo3.1-full-text-to-videoTexto a videoAnonimizado0,198 $ por segundo de video0,989 $ por un clip de 5 s
Veo 3.1 Full Qualityveo3.1-full-image-to-videoImagen a videoAnonimizado0,198 $ por segundo de video0,989 $ por un clip de 5 s

Especificaciones

EspecificaciónVeo 3.1Veo 3
Lanzamiento15 de octubre de 2025mayo de 2025
PesosCerradosCerrados
Aceptatext, imagestext, images
Producevideo, audiovideo, audio
Duración de los clips4 a 8 s, con sonido4 a 8 s, con sonido
Resoluciones720p, 1080p, 4k720p, 1080p
Precio0,0742 $ por segundo de video0,0495 $ por segundo de video
PrivacidadAnonimizadoAnonimizado

Precios, contexto y duraciones del catálogo en vivo el 16 de octubre de 2026; parámetros y licencias según el fabricante.