Veo 3 fue el modelo de Google DeepMind que dio sonido a la generación de video: anunciado en Google I/O el 20 de mayo de 2025, generaba diálogo, efectos de sonido y ambiente junto con la imagen. Veo 3.1, lanzado el 15 de octubre de 2025, conserva todo eso y lo mejora. Según Google, aporta un audio más rico, más control narrativo y mayor realismo, una fidelidad al prompt más sólida, y mejor imagen y sonido al convertir imágenes en video.
¿Merece la pena actualizar? Para la mayoría, la pregunta ya tiene respuesta: Google marca ahora Veo 3 como obsoleto en la API de Gemini y ofrece Veo 3.1 en su lugar, en tres niveles: Veo 3.1, Veo 3.1 Fast y Veo 3.1 Lite. Lo que sigue siendo útil es saber qué cambió realmente, para saber qué esperar al trasladar tus prompts.
La respuesta corta
- Sonido: los dos generan audio con el video; Google describe el de Veo 3.1 como más rico.
- Fidelidad al prompt: Veo 3.1 se ciñe más a lo que escribes, desde el orden de las acciones hasta el movimiento de cámara.
- Imagen a video: Google destacó una mejor imagen y un mejor sonido cuando partes de una foto.
- Controles nuevos: el primer y el último fotograma, y hasta tres imágenes de referencia, llegaron con Veo 3.1.
- Resolución: Veo 3.1 añadió una opción 4K en enero de 2026; Veo 3 se queda en 1080p.
- Tus prompts: Veo 3.1 entiende la misma estructura de prompt, así que puedes pegar tus prompts de Veo 3. Espera una toma nueva, no exactamente el clip que obtuviste antes.
Veo 3 vs Veo 3.1 de un vistazo
| Veo 3 | Veo 3.1 | |
|---|---|---|
| Anuncio | 20 de mayo de 2025 (Google I/O) | 15 de octubre de 2025 |
| Estado en la API de Google | Obsoleto | Vigente, en tres niveles (Veo 3.1, Fast, Lite) |
| Sonido generado con el video | Sí | Sí, más rico |
| Sigue el prompt | Sí | Con más fidelidad que Veo 3 |
| Foto a video | Sí | Sí, con mejor imagen y sonido |
| Primer y último fotograma | — | Sí |
| Imágenes de referencia | — | Hasta 3 |
| Duración del clip en la API de Google | 8 segundos | 4, 6 u 8 segundos (8 s para 1080p y 4K) |
| Resolución | 720p, 1080p | 720p, 1080p, 4K (reescalado) |
| Relaciones de aspecto | 16:9; Google añadió 9:16 en septiembre de 2025 | 16:9, 9:16 |
| Extensión en las herramientas de Google | — | Sí (+7 s por paso en la API; un minuto o más en Flow) |
Sonido: la función que estrenó Veo 3
Antes de Veo 3, los clips de Veo eran mudos y cualquier voz o sonido había que añadirlo en la edición. Veo 3 lo cambió: los personajes podían decir las frases escritas en el prompt, y los efectos y el ruido de fondo llegaban junto con la imagen.
Veo 3.1 mantiene el audio nativo en todos sus niveles y, en palabras de Google, ofrece un audio más rico. La forma de pedir el sonido no ha cambiado:
- pon las frases habladas entre comillas e indica quién habla;
- nombra los efectos de sonido que quieres ("a door slams", una puerta que se cierra de golpe; "rain on the window", lluvia en la ventana);
- describe el ambiente ("café chatter", murmullo de cafetería; "distant traffic", tráfico lejano).
Si no mencionas el sonido, el modelo crea igualmente una banda sonora para la escena. Para una explicación detallada, consulta nuestra guía de prompts para Veo 3.1.
Más fidelidad al prompt
La principal promesa de Google para Veo 3.1 es una fidelidad al prompt más sólida. En la práctica, esto importa sobre todo en prompts que describen varias cosas en orden: una acción y luego una reacción, un movimiento de cámara concreto, un estilo con nombre. Cuanto más precisa sea la descripción de la toma, más de ella recuperas, así que vale la pena esforzarse en escribir un prompt preciso.
Por eso también los prompts antiguos de Veo 3 se trasladan bien. Veo 3.1 entiende el mismo tipo de prompt, así que puedes pegarlo sin cambios y luego concretar las partes que Veo 3 solía pasar por alto.
Mejor imagen a video
En el lanzamiento de Veo 3.1, Google mencionó expresamente una mejor calidad audiovisual al convertir imágenes en video. Cuando partes de una foto, esa foto es el primer fotograma, y el prompt solo tiene que describir el movimiento, la cámara y el sonido. Es el modo indicado para tomas de producto, retratos y cualquier imagen fija que debas conservar.
Controles nuevos en Veo 3.1
Primer y último fotograma
Dale a Veo 3.1 una imagen inicial y una imagen final, y construirá el movimiento entre ambas, con sonido. Úsalo cuando una toma tenga que acabar en una composición conocida: una revelación, un producto que gira hacia la cámara, una transición de una escena a la siguiente. Veo 3 no tenía nada equivalente.
Imágenes de referencia
Hasta tres imágenes de una persona, un personaje o un producto le indican al modelo cómo son; después, el modelo los sitúa en una escena nueva. Google llama a esta función Ingredients to Video, y en enero de 2026 la amplió al video vertical nativo 9:16. Es la forma más directa de mantener coherente un personaje o un producto en varios clips.
Extensión
En las herramientas de Google, los clips de Veo 3.1 se pueden ampliar: la API de Gemini añade 7 segundos por paso, hasta 20 veces, a 720p, y la función Extend de Flow crea videos continuos de un minuto o más.
Resolución: el 4K llega en enero de 2026
Veo 3 genera a 720p o 1080p; Google añadió 1080p y el formato vertical 9:16 a Veo 3 en septiembre de 2025. El 13 de enero de 2026, Google añadió una opción 4K a Veo 3.1, que describe como un reescalado de última generación. Toma el 4K como un máster más nítido para pantallas grandes, no como detalle generado adicional.
¿Merece la pena pasar a Veo 3.1?
En la mayoría de los casos la decisión ya está tomada: Veo 3 está obsoleto en la API de Google, así que el trabajo nuevo corresponde a Veo 3.1. La pregunta útil es cómo hacer el cambio sin tropiezos:
- Reutiliza tus prompts. La estructura (escena, cámara, diálogo entre comillas, sonido) es la misma, así que pega tus prompts de Veo 3 como punto de partida.
- Concreta lo que Veo 3 ignoraba. Como Veo 3.1 sigue los prompts con más fidelidad, vale la pena volver a escribir los detalles a los que habías renunciado, como el orden exacto de las acciones o un movimiento de cámara concreto.
- Prueba los controles nuevos. Si una toma tiene que terminar en un fotograma concreto, añade un fotograma final. Si un personaje tiene que verse igual en varios clips, usa imágenes de referencia.
- Elige el nivel según el trabajo. Haz borradores con Veo 3.1 Lite, usa Veo 3.1 Fast para los clips del día a día y las imágenes de referencia, y el nivel Veo 3.1 completo para la toma que publiques.
Usar Veo 3.1 en Veo Video
Todos los videos de Veo que creas en Veo Video funcionan con Veo 3.1, incluido el generador de nuestra página de Veo 3. Aquí no hay un modelo Veo 3.0 aparte. Cada generación es un clip de 8 segundos con sonido, en 16:9 o 9:16, a 720p, 1080p o 4K. Puedes partir de texto o de una foto y añadir un fotograma final en cualquier nivel. Las imágenes de referencia funcionan con Veo 3.1 Fast, con hasta tres imágenes por clip.
Las cuentas nuevas reciben 30 créditos gratis, suficientes para un clip de Veo 3.1 Lite a 720p: una forma rápida de comprobar cómo se comporta en Veo 3.1 uno de tus antiguos prompts de Veo 3. Cuando funcione, genera la versión definitiva con Veo 3.1 a 1080p o 4K.