O Veo 3 foi o modelo do Google DeepMind que deu som à geração de vídeo: anunciado no Google I/O em 20 de maio de 2025, ele gerava diálogo, efeitos sonoros e ambiente junto com a imagem. O Veo 3.1, lançado em 15 de outubro de 2025, mantém isso e melhora o resultado. Segundo o Google, ele traz áudio mais rico, mais controle narrativo e mais realismo, segue o prompt com mais fidelidade e entrega imagem e som melhores ao transformar fotos em vídeo.
Vale a pena atualizar? Para a maioria das pessoas, essa pergunta já foi respondida: o Google agora lista o Veo 3 como descontinuado na Gemini API e oferece o Veo 3.1 no lugar, em três níveis: Veo 3.1, Veo 3.1 Fast e Veo 3.1 Lite. O que continua útil é saber o que de fato mudou, para você saber o que esperar quando levar os seus prompts para o novo modelo.
A resposta curta
- Som: os dois geram áudio junto com o vídeo; o Google descreve o do Veo 3.1 como mais rico.
- Fidelidade ao prompt: o Veo 3.1 segue mais de perto o que você escreve, da ordem das ações ao movimento de câmera.
- Imagem para vídeo: o Google destacou imagem e som melhores quando você começa de uma foto.
- Novos controles: primeiro e último quadro e até três imagens de referência chegaram com o Veo 3.1.
- Resolução: o Veo 3.1 ganhou uma opção de 4K em janeiro de 2026; o Veo 3 vai até 1080p.
- Seus prompts: o Veo 3.1 lê a mesma estrutura de prompt, então você pode colar os seus prompts do Veo 3. Espere uma nova tomada, não exatamente o clipe que você tinha antes.
Veo 3 vs Veo 3.1 em resumo
| Veo 3 | Veo 3.1 | |
|---|---|---|
| Anúncio | 20 de maio de 2025 (Google I/O) | 15 de outubro de 2025 |
| Situação na API do Google | Descontinuado | Atual, em três níveis (Veo 3.1, Fast, Lite) |
| Som gerado junto com o vídeo | Sim | Sim, mais rico |
| Segue o prompt | Sim | Com mais fidelidade que o Veo 3 |
| Foto para vídeo | Sim | Sim, com imagem e som melhores |
| Primeiro e último quadro | — | Sim |
| Imagens de referência | — | Até 3 |
| Duração do clipe na API do Google | 8 segundos | 4, 6 ou 8 segundos (8 s para 1080p e 4K) |
| Resolução | 720p, 1080p | 720p, 1080p, 4K (com upscaling) |
| Proporções | 16:9; o Google adicionou 9:16 em setembro de 2025 | 16:9, 9:16 |
| Extensão nas ferramentas do Google | — | Sim (+7 s por etapa na API; um minuto ou mais no Flow) |
Som: o recurso que o Veo 3 trouxe
Antes do Veo 3, os clipes do Veo eram mudos, e qualquer voz ou som precisava ser acrescentado na edição. O Veo 3 mudou isso: os personagens podiam dizer falas escritas no prompt, e os efeitos e o ruído de fundo chegavam junto com a imagem.
O Veo 3.1 mantém o áudio nativo em todos os níveis e, nas palavras do Google, traz um áudio mais rico. A forma de pedir som não mudou:
- coloque as falas entre aspas e diga quem fala;
- diga quais efeitos sonoros você quer ("a door slams", uma porta batendo; "rain on the window", chuva na janela);
- descreva o ambiente ("café chatter", burburinho de café; "distant traffic", trânsito ao longe).
Se você não mencionar o som, o modelo ainda cria uma trilha para a cena. Para um passo a passo detalhado, veja o nosso guia de prompts do Veo 3.1.
Mais fidelidade ao prompt
A principal promessa do Google para o Veo 3.1 é uma aderência maior ao prompt. Na prática, isso pesa mais em prompts que descrevem várias coisas em sequência: uma ação e depois uma reação; um movimento de câmera específico; um estilo nomeado. Quanto mais precisa a descrição da tomada, mais dela você recebe de volta, e por isso vale o esforço de escrever um prompt preciso.
É também por isso que os prompts antigos do Veo 3 funcionam bem no novo modelo. O Veo 3.1 lê o mesmo tipo de prompt, então você pode colá-lo sem mudanças e depois refinar as partes que o Veo 3 costumava ignorar.
Imagem para vídeo melhor
No lançamento do Veo 3.1, o Google citou especificamente uma qualidade audiovisual melhor ao transformar imagens em vídeos. Quando você começa de uma foto, ela é o primeiro quadro, e o prompt só precisa descrever o movimento, a câmera e o som. É o modo para fotos de produto, retratos e qualquer imagem que você precise manter.
Novos controles no Veo 3.1
Primeiro e último quadro
Dê ao Veo 3.1 uma imagem inicial e uma imagem final, e ele cria o movimento entre as duas, com som. Use quando a tomada precisa terminar numa composição conhecida: uma revelação, um produto girando até ficar de frente para a câmera, uma transição de uma cena para outra. O Veo 3 não tinha nada equivalente.
Imagens de referência
Até três imagens de uma pessoa, personagem ou produto mostram ao modelo como eles são; o modelo então os coloca numa cena nova. O Google chama isso de Ingredients to Video e, em janeiro de 2026, estendeu o recurso para vídeo vertical nativo em 9:16. É o caminho mais direto para manter um personagem ou produto consistente em vários clipes.
Extensão
Nas ferramentas do próprio Google, os clipes do Veo 3.1 podem ser estendidos: a Gemini API acrescenta 7 segundos por etapa, até 20 vezes, em 720p, e o recurso Extend do Flow cria vídeos contínuos de um minuto ou mais.
Resolução: o 4K chega em janeiro de 2026
O Veo 3 gera em 720p ou 1080p; o Google adicionou 1080p e o formato vertical 9:16 ao Veo 3 em setembro de 2025. Em 13 de janeiro de 2026, o Google adicionou uma opção de 4K ao Veo 3.1, que descreve como upscaling de última geração. Trate o 4K como uma matriz mais nítida para telas grandes, não como detalhe gerado a mais.
Vale a pena migrar para o Veo 3.1?
Na maioria dos casos, a escolha já está feita: o Veo 3 foi descontinuado na API do Google, então trabalhos novos devem ir para o Veo 3.1. A pergunta útil é como fazer a migração sem tropeços:
- Reaproveite os seus prompts. A estrutura (cena, câmera, falas entre aspas, som) é a mesma, então cole os seus prompts do Veo 3 como ponto de partida.
- Reforce o que o Veo 3 ignorava. Como o Veo 3.1 segue o prompt com mais fidelidade, vale escrever de novo os detalhes de que você tinha desistido, como a ordem exata das ações ou um movimento de câmera específico.
- Experimente os novos controles. Se a tomada precisa terminar num quadro específico, adicione um quadro final. Se um personagem precisa ter a mesma aparência em vários clipes, use imagens de referência.
- Escolha o nível pelo trabalho. Rascunhe no Veo 3.1 Lite, use o Veo 3.1 Fast para clipes do dia a dia e imagens de referência, e o Veo 3.1 completo para a tomada que você vai publicar.
Como usar o Veo 3.1 no Veo Video
Todo vídeo Veo que você faz no Veo Video roda no Veo 3.1, inclusive o gerador da nossa página do Veo 3. Não há um modelo Veo 3.0 separado aqui. Cada geração é um clipe de 8 segundos com som, em 16:9 ou 9:16, em 720p, 1080p ou 4K. Você pode começar de texto ou de uma foto e adicionar um quadro final em qualquer nível. As imagens de referência funcionam no Veo 3.1 Fast, com até três imagens por clipe.
Contas novas recebem 30 créditos grátis, o suficiente para um clipe do Veo 3.1 Lite em 720p: um jeito rápido de ver como um dos seus prompts antigos do Veo 3 se sai no Veo 3.1. Quando funcionar, gere a versão final no Veo 3.1 em 1080p ou 4K.