Video · Google DeepMind

Veo 3 e 3.1

Il modello video di Google, con dialoghi, effetti e ambiente generati nello stesso passaggio. Sceglilo per inquadrature brevi, curate e realistiche.

Anonimizzato Low cost
Ultima versioneVeo 3.115 ottobre 2025
Artificial Analysis Image to Video Arena1082 Elo7° su 22 in Artificial Analysis Image to Video Arena
Prezzo0,0742 $ per secondo di video0,371 $ per una clip da 5 s
Specifica chiaveClip fino a 8 s, con suono

Cosa lo distingue

Veo è il modello video di Google, e Veo 3 è stato il primo modello di largo uso a generare dialoghi, effetti e ambiente insieme alle immagini. Veo 3.1 ha aggiunto le immagini di riferimento, il controllo del primo e dell'ultimo fotogramma e l'estensione della scena, ma ogni clip resta di 8 s o meno.

  • Audio generato con le immagini
  • 3.1: fino a 3 immagini di riferimento
  • 8 s per clip, estendibile

Consigliato per: girare un'inquadratura cinematografica ; una scena in cui le persone parlano.

Punti di forza e limiti

Dove dà il meglio

  • Audio, voce ed effetti sincronizzati con le immagini
  • Veo 3.1 arriva fino al 4K
  • Le versioni Fast costano la metà del prezzo Full o meno

Pensaci due volte quando

  • Al massimo 8 s per clip
  • Veo 3 da immagine a video fa solo 8 s
  • Niente modalità riferimenti in questo catalogo
  • 4, 6 o 8 s
  • Audio nativo
  • Veo 3.1 fino al 4K, Veo 3 fino a 1080p

Casi d’uso

Inquadratura d'ambientazione realistica

Una strada di Tokyo sotto la pioggia di notte, riflessi al neon sull'asfalto, un ciclista passa sotto un ombrello. 8 secondi, pioggia e rumore di traffico lontano.

Veo gestisce bene la luce fotorealistica e i suoni d'ambiente.

Battuta in stile intervista

Uno chef in cucina guarda in camera e dice: «The secret is patience.» Dietro, un leggero tintinnio di pentole.

Dialoghi ed effetti arrivano nello stesso passaggio.

Transizione tra due fotogrammi

Transizione dal mio primo fotogramma (un seme) al mio ultimo fotogramma (un girasole sbocciato) con effetto time-lapse, pianoforte delicato.

La 3.1 supporta il controllo del primo e dell'ultimo fotogramma.

Rispetto ai rivali

  • Seedance 2.0 e 1.5Seedance 2.0 arriva fino a 15 s e accetta audio e video in input.18° su 22 in Artificial Analysis Image to Video Arena ( 1000 Elo)
  • Kling V3Kling V3 offre clip multi-inquadratura più lunghe e un livello 4K.12° su 22 in Artificial Analysis Image to Video Arena ( 1055 Elo)
  • Grok Imagine videoGrok Imagine arriva a 15 s, ma solo in 720p.5° su 22 in Artificial Analysis Image to Video Arena ( 1098 Elo)
Confronta fianco a fianco ↗

Cronologia delle versioni

Ogni versione, datata, con ciò che ha cambiato rispetto alla precedente.

  1. Veo 1Precedente, non in Sub Rosa
    • Annunciato al Google I/O 2024: video in 1080p lunghi più di un minuto.
    Sorgente : en.wikipedia.org
  2. Veo 2Precedente, non in Sub Rosa
    • Migliore comprensione della fisica e risoluzione fino a 4K, senza audio.
    Sorgente : en.wikipedia.org
  3. Veo 3
    • Primo Veo con dialoghi sincronizzati, effetti sonori e rumori d'ambiente.
    • Clip limitate a 8 s.
    Sorgente : en.wikipedia.org
  4. Veo 3.1La più recente
    • Immagini di riferimento (fino a 3) per mantenere un personaggio o uno stile da un'inquadratura all'altra.
    • Controllo del fotogramma iniziale e finale ed estensione della scena a un minuto o più.
    • Audio nativo più ricco e maggiore aderenza al prompt.
    Sorgente : developers.googleblog.com

Benchmark

Come leggere questi punteggi: cosa dice un benchmark.

Artificial Analysis Image to Video Arena: 7° su 22 modelli misurati nel catalogo. Lo stesso duello alla cieca, partendo da un’immagine: quale clip le dà vita meglio. Un punteggio Elo: più è alto, più spesso il modello viene preferito. Con 100 punti di distacco, il modello con il punteggio più alto vince circa il 64% dei duelli.

Artificial Analysis Image to Video ArenaPunteggio Elo · Artificial Analysis, 4 ottobre 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 e 3.11082
  8. 8. Wan 2.7Wan 2.x1077
  9. 9. Grok ImagineGrok Imagine video1072
  10. 10. Veo 3.1 FastVeo 3 e 3.11066
Vedi i numeri
ModelloElo
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: 14° su 18 modelli misurati nel catalogo. Il duello per le clip con audio: immagine, voci, effetti e quanto si accordano tra loro. Un punteggio Elo: più è alto, più spesso il modello viene preferito. Partecipano solo i modelli che producono il proprio suono.

Artificial Analysis Text to Video Arena with audioPunteggio Elo · Artificial Analysis, 4 ottobre 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 e 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 e 3.1966
  12. 15. Veo 3.1 FastVeo 3 e 3.1958
Vedi i numeri
ModelloElo
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

Tutti i 8 modelli di questa famiglia

ModelloUsoPrivacyPrezzo
Veo 3 Fastveo3-fast-text-to-videoDa testo a videoAnonimizzato0,0495 $ per secondo di video0,248 $ per una clip da 5 s
Veo 3 Fastveo3-fast-image-to-videoDa immagine a videoAnonimizzato0,0495 $ per secondo di video0,248 $ per una clip da 5 s
Veo 3 Full Qualityveo3-full-text-to-videoDa testo a videoAnonimizzato0,0989 $ per secondo di video0,495 $ per una clip da 5 s
Veo 3 Full Qualityveo3-full-image-to-videoDa immagine a videoAnonimizzato0,0989 $ per secondo di video0,495 $ per una clip da 5 s
Veo 3.1 Fastveo3.1-fast-text-to-videoDa testo a videoAnonimizzato0,0742 $ per secondo di video0,371 $ per una clip da 5 s
Veo 3.1 Fastveo3.1-fast-image-to-videoDa immagine a videoAnonimizzato0,0742 $ per secondo di video0,371 $ per una clip da 5 s
Veo 3.1 Full Qualityveo3.1-full-text-to-videoDa testo a videoAnonimizzato0,198 $ per secondo di video0,989 $ per una clip da 5 s
Veo 3.1 Full Qualityveo3.1-full-image-to-videoDa immagine a videoAnonimizzato0,198 $ per secondo di video0,989 $ per una clip da 5 s

Scheda tecnica

CaratteristicaVeo 3.1Veo 3
Uscita15 ottobre 2025maggio 2025
PesiChiusiChiusi
Accettatext, imagestext, images
Producevideo, audiovideo, audio
Durata delle clipda 4 a 8 s, con audioda 4 a 8 s, con audio
Risoluzioni720p, 1080p, 4k720p, 1080p
Prezzo0,0742 $ per secondo di video0,0495 $ per secondo di video
PrivacyAnonimizzatoAnonimizzato

Prezzi, contesto e durate dal catalogo in tempo reale del 16 ottobre 2026; parametri e licenze secondo il produttore.