Veo 3 est le modèle de Google DeepMind qui a rendu la génération vidéo sonore : annoncé à la Google I/O le 20 mai 2025, il générait dialogues, effets sonores et ambiance en même temps que l’image. Veo 3.1, sorti le 15 octobre 2025, conserve tout cela et l’améliore. Google parle d’« un audio plus riche, davantage de contrôle narratif et un réalisme accru », d’une « meilleure adhérence au prompt », ainsi que d’une meilleure qualité d’image et de son lorsqu’on transforme une image en vidéo.
Faut-il passer à la nouvelle version ? Pour la plupart des gens, la question est déjà tranchée : Google liste désormais Veo 3 comme obsolète dans l’API Gemini et propose Veo 3.1 à sa place, en trois déclinaisons : Veo 3.1, Veo 3.1 Fast et Veo 3.1 Lite. Ce qui reste utile, c’est de savoir ce qui a réellement changé, pour savoir à quoi t’attendre quand tu y transposes tes prompts.
La réponse courte
- Son : les deux génèrent l’audio avec la vidéo ; Google décrit celui de Veo 3.1 comme plus riche.
- Respect du prompt : Veo 3.1 colle davantage à ce que tu écris, de l’ordre des actions au mouvement de caméra.
- Image vers vidéo : Google a mis en avant une meilleure qualité d’image et de son quand tu pars d’une photo.
- Nouveaux contrôles : la première et la dernière image, ainsi que jusqu’à trois images de référence, sont arrivées avec Veo 3.1.
- Résolution : Veo 3.1 a reçu une option 4K en janvier 2026 ; Veo 3 plafonne à 1080p.
- Tes prompts : Veo 3.1 lit la même structure de prompt, tu peux donc y coller tes prompts Veo 3. Attends-toi à une nouvelle prise, pas au clip exact que tu avais obtenu.
Veo 3 vs Veo 3.1 en un coup d’œil
| Veo 3 | Veo 3.1 | |
|---|---|---|
| Annonce | 20 mai 2025 (Google I/O) | 15 octobre 2025 |
| Statut dans l’API de Google | Obsolète | Actuel, en trois déclinaisons (Veo 3.1, Fast, Lite) |
| Son généré avec la vidéo | Oui | Oui, plus riche |
| Respect du prompt | Oui | Plus fidèle que Veo 3 |
| Photo vers vidéo | Oui | Oui, avec une meilleure qualité d’image et de son |
| Première et dernière image | — | Oui |
| Images de référence | — | Jusqu’à 3 |
| Durée des clips dans l’API de Google | 8 secondes | 4, 6 ou 8 secondes (8 s pour la 1080p et la 4K) |
| Résolution | 720p, 1080p | 720p, 1080p, 4K (mise à l’échelle) |
| Formats | 16:9 ; Google a ajouté le 9:16 en septembre 2025 | 16:9, 9:16 |
| Extension dans les outils de Google | — | Oui (+7 s par étape dans l’API ; une minute ou plus dans Flow) |
Le son : la fonction apportée par Veo 3
Avant Veo 3, les clips Veo étaient muets, et toute voix ou tout son devait être ajouté au montage. Veo 3 a changé la donne : les personnages pouvaient prononcer des répliques écrites dans le prompt, et les effets sonores comme les bruits de fond arrivaient avec l’image.
Veo 3.1 conserve l’audio natif sur toutes ses déclinaisons et, selon les termes de Google, apporte « un audio plus riche ». La façon de demander du son, elle, n’a pas changé :
- mets les répliques entre guillemets et précise qui parle ;
- nomme les effets sonores voulus (« a door slams » pour une porte qui claque, « rain on the window » pour la pluie sur la vitre) ;
- décris l’ambiance (« café chatter » pour le brouhaha d’un café, « distant traffic » pour une circulation lointaine).
Si tu ne précises pas le son, le modèle construit malgré tout une bande-son pour la scène. Pour un guide détaillé, consulte notre guide des prompts Veo 3.1.
Un prompt mieux suivi
L’argument phare de Google pour Veo 3.1, c’est une « meilleure adhérence au prompt ». En pratique, cela compte surtout pour les prompts qui décrivent plusieurs choses dans un ordre précis : une action, puis une réaction ; un mouvement de caméra particulier ; un style nommé. Plus tu décris le plan précisément, plus tu en retrouves à l’écran — un prompt précis vaut donc l’effort.
C’est aussi pour cela que les anciens prompts Veo 3 se transposent bien. Veo 3.1 lit le même type de prompt : tu peux le coller sans le modifier, puis resserrer les passages que Veo 3 avait tendance à ignorer.
Une image vers vidéo améliorée
Dans l’annonce de Veo 3.1, Google a spécifiquement mis en avant une « qualité audiovisuelle améliorée lors de la transformation d’images en vidéos ». Quand tu pars d’une photo, cette photo devient la première image, et le prompt n’a plus qu’à décrire le mouvement, la caméra et le son. C’est le mode à utiliser pour les plans produit, les portraits et toute image fixe que tu dois conserver.
Les nouveaux contrôles de Veo 3.1
Première et dernière image
Donne à Veo 3.1 une image de départ et une image de fin, et il construit le mouvement entre les deux, avec le son. C’est utile quand un plan doit aboutir à une composition connue : une révélation, un produit qui pivote pour faire face à la caméra, une transition d’une scène à l’autre. Veo 3 n’avait rien d’équivalent.
Images de référence
Jusqu’à trois images d’une personne, d’un personnage ou d’un produit indiquent au modèle à quoi ils ressemblent ; le modèle les place ensuite dans une nouvelle scène. Google appelle cela Ingredients to Video et l’a étendu en janvier 2026 à la vidéo verticale native en 9:16. C’est le moyen le plus direct de garder un personnage ou un produit cohérent sur plusieurs clips.
Extension
Dans les outils de Google, les clips Veo 3.1 peuvent être prolongés : l’API Gemini ajoute 7 secondes par étape, jusqu’à 20 fois, en 720p, et la fonction Extend de Flow construit des vidéos continues d’une minute ou plus.
Résolution : la 4K arrive en janvier 2026
Veo 3 génère en 720p ou en 1080p ; Google a ajouté la 1080p et le format vertical 9:16 à Veo 3 en septembre 2025. Le 13 janvier 2026, Google a ajouté une option 4K à Veo 3.1, qu’il présente comme une « mise à l’échelle de pointe ». Vois la 4K comme un master plus net pour les grands écrans plutôt que comme des détails supplémentaires réellement générés.
Faut-il passer à Veo 3.1 ?
Dans la plupart des cas, le choix est déjà fait : Veo 3 est obsolète dans l’API de Google, les nouveaux projets se font donc sur Veo 3.1. La question utile est de savoir comment faire la transition en douceur :
- Réutilise tes prompts. La structure (scène, caméra, dialogue entre guillemets, son) est la même : colle tes prompts Veo 3 comme point de départ.
- Resserre ce que Veo 3 ignorait. Comme Veo 3.1 suit mieux les prompts, les détails auxquels tu avais renoncé, comme l’ordre exact des actions ou un mouvement de caméra précis, valent la peine d’être réécrits.
- Essaie les nouveaux contrôles. Si un plan doit se terminer sur une image particulière, ajoute une image de fin. Si un personnage doit rester identique d’un clip à l’autre, utilise des images de référence.
- Choisis la déclinaison selon l’usage. Fais tes brouillons sur Veo 3.1 Lite, utilise Veo 3.1 Fast pour les clips du quotidien et les images de référence, et la déclinaison Veo 3.1 complète pour la prise que tu publies.
Utiliser Veo 3.1 sur Veo Video
Toutes les vidéos Veo que tu crées sur Veo Video tournent sur Veo 3.1, y compris le générateur de notre page Veo 3. Il n’y a pas de modèle Veo 3.0 distinct ici. Chaque génération produit un clip de 8 secondes avec son, en 16:9 ou 9:16, en 720p, 1080p ou 4K. Tu peux partir d’un texte ou d’une photo et ajouter une image de fin sur n’importe quelle déclinaison. Les images de référence fonctionnent sur Veo 3.1 Fast, avec jusqu’à trois images par clip.
Les nouveaux comptes reçoivent 30 crédits gratuits, de quoi faire un clip Veo 3.1 Lite en 720p : un moyen rapide de voir comment l’un de tes anciens prompts Veo 3 se comporte sur Veo 3.1. Quand ça fonctionne, génère la bonne version sur Veo 3.1 en 1080p ou en 4K.