Veo 3 war das Modell von Google DeepMind, mit dem Videogenerierung hörbar wurde: Angekündigt auf der Google I/O am 20. Mai 2025, erzeugte es Dialog, Soundeffekte und Atmosphäre zusammen mit dem Bild. Veo 3.1, veröffentlicht am 15. Oktober 2025, behält das bei und baut darauf auf. Laut Google bringt es „richer audio, more narrative control, and enhanced realism“ – also volleren Ton, mehr erzählerische Kontrolle und mehr Realismus –, außerdem „stronger prompt adherence“ (eine engere Bindung an den Prompt) sowie besseres Bild und besseren Ton, wenn aus Bildern Videos werden.
Lohnt sich der Umstieg? Für die meisten ist die Frage schon beantwortet: Google führt Veo 3 in der Gemini API inzwischen als veraltet und bietet stattdessen Veo 3.1 in drei Stufen an – Veo 3.1, Veo 3.1 Fast und Veo 3.1 Lite. Nützlich bleibt zu wissen, was sich tatsächlich geändert hat, damit du weißt, was dich erwartet, wenn du deine Prompts mitnimmst.
Die kurze Antwort
- Ton: Beide erzeugen Audio mit dem Video; Google beschreibt den von Veo 3.1 als voller.
- Prompt-Treue: Veo 3.1 hält sich enger an das, was du schreibst – von der Reihenfolge der Handlungen bis zur Kamerabewegung.
- Bild zu Video: Google hebt besseres Bild und besseren Ton hervor, wenn du mit einem Foto startest.
- Neue Steuerung: Erstes und letztes Bild sowie bis zu drei Referenzbilder kamen mit Veo 3.1.
- Auflösung: Veo 3.1 hat im Januar 2026 eine 4K-Option erhalten; Veo 3 endet bei 1080p.
- Deine Prompts: Veo 3.1 versteht dieselbe Prompt-Struktur, du kannst deine Veo 3-Prompts also einfügen. Rechne mit einem neuen Take, nicht mit exakt dem Clip, den du vorher bekommen hast.
Veo 3 vs. Veo 3.1 auf einen Blick
| Veo 3 | Veo 3.1 | |
|---|---|---|
| Angekündigt | 20. Mai 2025 (Google I/O) | 15. Oktober 2025 |
| Status in Googles API | Veraltet | Aktuell, in drei Stufen (Veo 3.1, Fast, Lite) |
| Ton entsteht mit dem Video | Ja | Ja, voller |
| Folgt dem Prompt | Ja | Enger als Veo 3 |
| Foto zu Video | Ja | Ja, mit besserem Bild und Ton |
| Erstes und letztes Bild | – | Ja |
| Referenzbilder | – | Bis zu 3 |
| Cliplänge in Googles API | 8 Sekunden | 4, 6 oder 8 Sekunden (8 s für 1080p und 4K) |
| Auflösung | 720p, 1080p | 720p, 1080p, 4K (hochskaliert) |
| Seitenverhältnisse | 16:9; 9:16 ergänzte Google im September 2025 | 16:9, 9:16 |
| Verlängerung in Googles Werkzeugen | – | Ja (+7 s pro Schritt in der API; eine Minute oder mehr in Flow) |
Ton: die Funktion, die Veo 3 eingeführt hat
Vor Veo 3 waren Veo-Clips stumm, und Stimmen oder Geräusche mussten im Schnitt ergänzt werden. Veo 3 hat das geändert: Figuren konnten Sätze sprechen, die im Prompt standen, und Effekte sowie Hintergrundgeräusche kamen mit dem Bild.
Veo 3.1 behält nativen Ton in jeder Stufe bei und bringt nach Googles Worten „richer audio“, also volleren Ton. Wie du Ton anforderst, hat sich nicht geändert:
- Setze gesprochene Sätze in Anführungszeichen und sag, wer spricht.
- Nenne die gewünschten Soundeffekte („a door slams“, „rain on the window“ – eine Tür knallt, Regen am Fenster).
- Beschreibe die Atmosphäre („café chatter“, „distant traffic“ – Stimmengewirr im Café, entfernter Verkehr).
Lässt du den Ton weg, baut das Modell trotzdem eine Tonspur für die Szene. Eine ausführliche Anleitung findest du in unserem Prompt-Leitfaden für Veo 3.1.
Engere Prompt-Treue
Googles zentrales Versprechen für Veo 3.1 ist „stronger prompt adherence“. In der Praxis zählt das vor allem bei Prompts, die mehrere Dinge in einer Reihenfolge beschreiben: eine Handlung, dann eine Reaktion; eine bestimmte Kamerabewegung; einen benannten Stil. Je genauer du die Einstellung beschreibst, desto mehr davon bekommst du zurück – ein präziser Prompt lohnt also den Aufwand.
Das ist auch der Grund, warum sich alte Veo 3-Prompts gut übertragen lassen. Veo 3.1 versteht dieselbe Art von Prompt, du kannst ihn also unverändert einfügen und danach die Teile schärfen, die Veo 3 früher ignoriert hat.
Besseres Bild zu Video
In der Ankündigung von Veo 3.1 hat Google ausdrücklich „improved audiovisual quality when turning images into videos“ hervorgehoben, also bessere Bild- und Tonqualität, wenn aus Bildern Videos werden. Startest du mit einem Foto, ist dieses Foto das erste Bild, und der Prompt muss nur noch Bewegung, Kamera und Ton beschreiben. Das ist der richtige Modus für Produktaufnahmen, Porträts und jedes Standbild, das erhalten bleiben soll.
Neue Steuerung in Veo 3.1
Erstes und letztes Bild
Gib Veo 3.1 ein Startbild und ein Endbild, und es baut die Bewegung dazwischen – mit Ton. Nutze das, wenn eine Einstellung auf einer bekannten Komposition enden muss: eine Enthüllung, ein Produkt, das sich zur Kamera dreht, ein Übergang von einer Szene zur nächsten. Bei Veo 3 gab es nichts Vergleichbares.
Referenzbilder
Bis zu drei Bilder einer Person, einer Figur oder eines Produkts zeigen dem Modell, wie diese aussehen; das Modell setzt sie dann in eine neue Szene. Google nennt das Ingredients to Video und hat es im Januar 2026 auf natives vertikales Video in 9:16 ausgeweitet. Es ist der direkteste Weg, eine Figur oder ein Produkt über mehrere Clips hinweg gleich aussehen zu lassen.
Verlängerung
In Googles eigenen Werkzeugen lassen sich Clips von Veo 3.1 verlängern: Die Gemini API fügt pro Schritt 7 Sekunden hinzu, bis zu 20-mal, in 720p, und die Extend-Funktion in Flow baut durchgehende Videos von einer Minute oder mehr.
Auflösung: 4K kommt im Januar 2026
Veo 3 generiert in 720p oder 1080p; 1080p und vertikales 9:16 hat Google im September 2025 für Veo 3 ergänzt. Am 13. Januar 2026 kam für Veo 3.1 eine 4K-Option hinzu, die Google als „state-of-the-art upscaling“ beschreibt, also als Hochskalierung auf dem neuesten Stand. Betrachte 4K als schärferen Master für große Bildschirme, nicht als zusätzlich generierte Details.
Lohnt sich der Wechsel zu Veo 3.1?
In den meisten Fällen ist die Entscheidung bereits gefallen: Veo 3 ist in Googles API veraltet, neue Arbeit gehört also auf Veo 3.1. Die sinnvolle Frage ist, wie der Wechsel reibungslos gelingt:
- Verwende deine Prompts weiter. Die Struktur (Szene, Kamera, Dialog in Anführungszeichen, Ton) ist dieselbe, füge deine Veo 3-Prompts also als Ausgangspunkt ein.
- Schärfe, was Veo 3 ignoriert hat. Weil Veo 3.1 Prompts enger folgt, lohnt es sich, Details wieder hineinzuschreiben, die du aufgegeben hattest – etwa die genaue Reihenfolge der Handlungen oder eine bestimmte Kamerabewegung.
- Probiere die neue Steuerung aus. Muss eine Einstellung auf einem bestimmten Bild enden, füge ein Endbild hinzu. Muss eine Figur in mehreren Clips gleich aussehen, nutze Referenzbilder.
- Wähle die Stufe nach Aufgabe. Entwirf auf Veo 3.1 Lite, nutze Veo 3.1 Fast für alltägliche Clips und Referenzbilder und die volle Stufe Veo 3.1 für den Take, den du veröffentlichst.
Veo 3.1 auf Veo Video nutzen
Jedes Veo-Video, das du auf Veo Video erstellst, läuft auf Veo 3.1 – auch der Generator auf unserer Veo 3-Seite. Ein separates Modell Veo 3.0 gibt es hier nicht. Jede Generierung ist ein 8-Sekunden-Clip mit Ton, in 16:9 oder 9:16, in 720p, 1080p oder 4K. Du kannst mit Text oder einem Foto starten und in jeder Stufe ein Endbild hinzufügen. Referenzbilder laufen auf Veo 3.1 Fast, mit bis zu drei Bildern pro Clip.
Neue Konten erhalten 30 kostenlose Credits – genug für einen Clip mit Veo 3.1 Lite in 720p und damit ein schneller Weg, um zu prüfen, wie einer deiner alten Veo 3-Prompts auf Veo 3.1 wirkt. Wenn es passt, renderst du den gelungenen Take auf Veo 3.1 in 1080p oder 4K.