BestAIVideo
Veo 3.1 ist das Videomodell von Google, das Dialoge, Effekte und Atmosphäre gemeinsam mit dem Bild erzeugt. Starten Sie mit einem Prompt, animieren Sie ein Startbild oder geben Sie bis zu drei Referenzbilder vor, wählen Sie dann die Stufe Lite, Fast oder Quality und sehen Sie die genauen Credit-Kosten, bevor Sie generieren.
Veo 3.1 ist auf kurze, ausgearbeitete Clips samt Ton ausgelegt. Der Generator bietet drei Stufen an, damit Sie die Kosten an die jeweilige Projektphase anpassen können.
Lite ist die günstigste Option, Fast der ausgewogene Standard und Quality die Wahl für finale Renderings. Alle drei bieten 720p, 1080p und 4K, vorausgewählt ist 1080p.
Jeder Clip entsteht mit generierten Dialogen, Soundeffekten und Umgebungsgeräuschen. Es gibt keinen Audioschalter, schreiben Sie den gewünschten Ton also direkt in den Prompt.
Animieren Sie ein Startbild, ergänzen Sie optional ein Endbild oder nutzen Sie bei Lite und Fast die Omni-Referenz mit einem bis drei Bildern, damit eine Figur oder ein Produkt durchgehend gleich aussieht.
Wählen Sie 4, 6 oder 8 Sekunden, wobei 8 voreingestellt ist, sowie das Seitenverhältnis 16:9, 9:16 oder Auto für Breitbild, Hochformat oder Clips, die dem Bild folgen.
Googles Prompt-Leitfaden für Veo 3.1 zerlegt einen guten Prompt in einzelne Bausteine. Nutzen Sie sie als Checkliste und nicht als Vorlage zum Abschreiben.
Kombinieren Sie Kameraarbeit, Motiv, Handlung, Kontext sowie Stil und Stimmung. Wenn Sie mit Einstellungsgröße und Kamerabewegung beginnen, wird der Bildausschnitt bewusst gewählt statt dem Zufall überlassen.
Schreiben Sie Dialoge in Anführungszeichen und nennen Sie, wer spricht, zum Beispiel dass eine Frau einen kurzen Satz sagt. Halten Sie Sprechtext so knapp, dass er in einen Clip von wenigen Sekunden passt.
Ergänzen Sie Hinweise wie SFX für einen Effekt und Ambient noise für den Raum oder die Landschaft. Wer den Ton getrennt von der Handlung benennt, verhindert, dass er übergangen wird.
Ein Prompt kann Momente markieren, etwa die ersten zwei Sekunden und die folgenden drei. Das ist reiner Text und funktioniert deshalb auch in diesem einen Eingabefeld.
Eine gefaltete orangefarbene Katze tapst über einen Steinweg an Papierbäumen, einer Rose und einem Lattenzaun vorbei, begleitet von passenden Umgebungsgeräuschen. Der Clip zeigt, wie ein Prompt das Material einer ganzen Welt festlegen und trotzdem natürliche, gewichtige Bewegung verlangen kann.
Eine Fahrerin in Rot legt sich in die Kurve, während funkelnder Staub und schwebende Lichter das Bild füllen. Stilisierte Prompts wie dieser funktionieren am besten, wenn sie ein Motiv und eine Bewegung nennen und das Spektakel der Umgebung überlassen.
Eine seitliche Kamerafahrt folgt einem Reiter mit breitem Hut durch leuchtendes Gras, hinter ihm steht die tiefe Sonne. Der Prompt hinter einer solchen Einstellung legt Kameraposition, Lichtrichtung und die leisen Geräusche der Szene fest.
Probieren Sie auf Lite, verfeinern Sie auf Fast und heben Sie sich Quality für die Einstellung auf, die ausgeliefert wird. Derselbe Prompt funktioniert auf allen drei Stufen, ein Wechsel bedeutet also kein Neuschreiben.
Wenn eine Einstellung auf ein gleichbleibendes Produkt oder eine gleichbleibende Figur angewiesen ist, wählen Sie für die Omni-Referenz Lite oder Fast, denn die Stufe Quality hat keinen Referenzmodus.
Acht Sekunden sind kurz. Ein einzelnes Motiv, das eine Sache tut, mit einer Kamerabewegung, wirkt deutlich besser als eine Aufzählung von Ereignissen.
Produzieren Sie Versionen eines kurzen Spots in 16:9 und 9:16, ohne einen separaten Tondurchgang einzuplanen.
Animieren Sie ein Packshot-Foto aus einem Startbild und ergänzen Sie ein Endbild, damit die Einstellung in der Pose endet, die Ihr Layout braucht.
Setzen Sie ein bis drei Referenzbilder mit der Stufe Lite oder Fast ein, um eine Figur oder ein Produkt über mehrere Clips hinweg beizubehalten.
Probieren Sie Ideen in 720p auf Lite für 24 Credits aus und rendern Sie die ausgewählte Idee anschließend mit Fast oder Quality.
Erhöhen Sie die Auflösung bei jeder Stufe auf 4K, wenn ein Clip auf eine große Leinwand oder in einen Master-Schnitt wandert.
Schreiben Sie einen Satz in Anführungszeichen samt Atmosphäre und Effekten, um eine Szene vor einem Dreh oder einer Sprachaufnahme zu skizzieren.
Veo 3.1 ist das Videogenerierungsmodell von Google DeepMind. Es erzeugt kurze Clips aus Text, Bildern oder Referenzen und generiert den Ton zeitgleich mit dem Bild.
Lite ist die günstigste Stufe, Fast der ausgewogene Standard und Quality die teuerste Stufe für finale Renderings. Laut Google kostet Lite weniger als die Hälfte von Veo 3.1 Fast, und auf dieser Seite kostet Quality bei 720p etwa das Vierfache von Fast.
Der Preis gilt pro Video und ändert sich weder mit der Länge noch mit dem Seitenverhältnis. Bei 720p sind es 24 Credits für Lite, 48 für Fast und 200 für Quality. Bei 1080p sind es 28, 52 und 204, und 4K beginnt bei 120 Credits auf Lite.
Auf jeder Stufe gibt es 720p, 1080p oder 4K sowie Clips mit 4, 6 oder 8 Sekunden. Voreingestellt sind 1080p und 8 Sekunden.
Text zu Video, die Generierung aus Start- und Endbild mit einem Pflicht-Startbild und einem optionalen Endbild sowie die Omni-Referenz. Die Omni-Referenz nimmt ein bis drei Bilder entgegen und ist bei Lite und Fast verfügbar, nicht aber bei Quality.
Ja, immer. Dialoge, Effekte und Atmosphäre werden zusammen mit dem Video erzeugt, und Sie steuern sie über den Prompt.
Setzen Sie die gesprochenen Worte in Anführungszeichen und geben Sie an, wer spricht. Halten Sie die Sätze kurz, denn ein Clip dauert nur wenige Sekunden.
16:9, das die Voreinstellung ist, außerdem 9:16 und Auto.
Ja. Prompts werden vor der Generierung ins Englische übersetzt, sodass Sie in einer Sprache schreiben können, in der Sie sich wohlfühlen. Formulieren Sie wichtige Begriffe wie Kamerabewegungen eindeutig.
Ein Prompt darf bis zu 20.000 Zeichen enthalten. Start-, End- und Referenzbilder werden in gängigen Formaten wie JPG, PNG und WebP akzeptiert, jeweils mit weniger als 30 MB.
Prüfen Sie zuerst Motiv und Handlung, dann Kamerabewegung und Licht. Hören Sie zum Schluss mit geschlossenen Augen zu: Sprechtiming und Atmosphäre lassen sich leicht beurteilen, wenn man nicht auf das Bild schaut.
Wählen Sie Ihre Stufe, schreiben Sie den Prompt samt Ton und sehen Sie die Credit-Kosten, bevor Sie generieren.
