Veo 3 è il modello di Google DeepMind che ha dato voce alla generazione video: annunciato al Google I/O il 20 maggio 2025, generava dialoghi, effetti sonori e suono ambientale insieme alle immagini. Veo 3.1, rilasciato il 15 ottobre 2025, mantiene tutto questo e lo migliora. Secondo Google porta "un audio più ricco, più controllo sulla narrazione e un realismo migliorato", "una maggiore aderenza al prompt" e immagini e suono migliori quando si trasformano foto in video.
Conviene passare alla nuova versione? Per la maggior parte delle persone la risposta è già arrivata: Google ora indica Veo 3 come deprecato nella Gemini API e al suo posto offre Veo 3.1, in tre livelli: Veo 3.1, Veo 3.1 Fast e Veo 3.1 Lite. Resta utile sapere cosa è cambiato davvero, così da sapere cosa aspettarti quando sposti i tuoi prompt.
La risposta breve
- Audio: entrambi generano l'audio insieme al video; Google descrive quello di Veo 3.1 come più ricco.
- Aderenza al prompt: Veo 3.1 rispetta più fedelmente ciò che scrivi, dall'ordine delle azioni al movimento di camera.
- Da immagine a video: Google ha evidenziato immagini e suono migliori quando si parte da una foto.
- Nuovi controlli: primo e ultimo fotogramma e fino a tre immagini di riferimento sono arrivati con Veo 3.1.
- Risoluzione: Veo 3.1 ha aggiunto l'opzione 4K a gennaio 2026; Veo 3 si ferma a 1080p.
- I tuoi prompt: Veo 3.1 legge la stessa struttura di prompt, quindi puoi incollare quelli scritti per Veo 3. Aspettati una nuova ripresa, non la stessa identica clip ottenuta prima.
Veo 3 vs Veo 3.1 in sintesi
| Veo 3 | Veo 3.1 | |
|---|---|---|
| Annuncio | 20 maggio 2025 (Google I/O) | 15 ottobre 2025 |
| Stato nell'API di Google | Deprecato | Attuale, in tre livelli (Veo 3.1, Fast, Lite) |
| Audio generato con il video | Sì | Sì, più ricco |
| Rispetto del prompt | Sì | Più fedele di Veo 3 |
| Da foto a video | Sì | Sì, con immagini e suono migliori |
| Primo e ultimo fotogramma | — | Sì |
| Immagini di riferimento | — | Fino a 3 |
| Durata della clip nell'API di Google | 8 secondi | 4, 6 o 8 secondi (8 s per 1080p e 4K) |
| Risoluzione | 720p, 1080p | 720p, 1080p, 4K (con upscaling) |
| Formati | 16:9; Google ha aggiunto il 9:16 a settembre 2025 | 16:9, 9:16 |
| Estensione negli strumenti di Google | — | Sì (+7 s per passaggio nell'API; un minuto o più in Flow) |
L'audio: la novità introdotta da Veo 3
Prima di Veo 3 le clip di Veo erano mute, e voci o suoni andavano aggiunti in montaggio. Veo 3 ha cambiato le cose: i personaggi potevano pronunciare le battute scritte nel prompt, ed effetti e rumori di fondo arrivavano insieme alle immagini.
Veo 3.1 mantiene l'audio nativo in tutti i livelli e, con le parole di Google, porta "un audio più ricco". Il modo di chiedere il sonoro non è cambiato:
- metti le battute tra virgolette e indica chi parla;
- nomina gli effetti sonori che vuoi ("a door slams", "rain on the window");
- descrivi il suono ambientale ("café chatter", "distant traffic").
Se non parli del sonoro, il modello costruisce comunque una colonna sonora per la scena. Per una spiegazione passo passo, leggi la nostra guida ai prompt per Veo 3.1.
Un'aderenza al prompt più stretta
La promessa principale di Google per Veo 3.1 è "una maggiore aderenza al prompt". In pratica conta soprattutto per i prompt che descrivono più cose in sequenza: un'azione e poi una reazione, un movimento di camera preciso, uno stile con un nome. Più descrivi l'inquadratura con precisione, più ne ritrovi nel risultato: per questo vale la pena scrivere un prompt accurato.
È anche il motivo per cui i vecchi prompt di Veo 3 si trasferiscono bene. Veo 3.1 legge lo stesso tipo di prompt, quindi puoi incollarlo senza modifiche e poi rendere più precise le parti che Veo 3 tendeva a ignorare.
Da immagine a video, ma meglio
Nell'annuncio di Veo 3.1 Google ha citato espressamente una "qualità audiovisiva migliorata quando si trasformano immagini in video". Quando parti da una foto, quella foto diventa il primo fotogramma e al prompt resta solo da descrivere il movimento, la camera e il sonoro. È la modalità da usare per foto di prodotto, ritratti e qualsiasi immagine fissa che devi mantenere.
I nuovi controlli di Veo 3.1
Primo e ultimo fotogramma
Dai a Veo 3.1 un'immagine iniziale e una finale e costruirà il movimento tra le due, con l'audio. Usalo quando un'inquadratura deve arrivare a una composizione precisa: una rivelazione, un prodotto che si gira verso la camera, il passaggio da una scena all'altra. Veo 3 non aveva nulla di equivalente.
Immagini di riferimento
Fino a tre immagini di una persona, di un personaggio o di un prodotto mostrano al modello com'è fatto il soggetto; il modello poi lo inserisce in una nuova scena. Google chiama questa funzione Ingredients to Video e a gennaio 2026 l'ha estesa al video verticale nativo in 9:16. È il modo più diretto per mantenere coerente un personaggio o un prodotto su più clip.
Estensione
Negli strumenti di Google le clip di Veo 3.1 si possono estendere: la Gemini API aggiunge 7 secondi per passaggio, fino a 20 volte, a 720p, e la funzione Extend di Flow costruisce video continui di un minuto o più.
Risoluzione: il 4K arriva a gennaio 2026
Veo 3 genera a 720p o 1080p; Google ha aggiunto a Veo 3 il 1080p e il formato verticale 9:16 a settembre 2025. Il 13 gennaio 2026 Google ha aggiunto a Veo 3.1 un'opzione 4K, che descrive come un "upscaling allo stato dell'arte". Considera il 4K come un master più nitido per i grandi schermi, non come dettaglio generato in più.
Conviene passare a Veo 3.1?
Nella maggior parte dei casi la scelta è già fatta: Veo 3 è deprecato nell'API di Google, quindi il lavoro nuovo va fatto su Veo 3.1. La domanda utile è come rendere il passaggio indolore:
- Riusa i tuoi prompt. La struttura (scena, camera, dialoghi tra virgolette, sonoro) è la stessa, quindi incolla i prompt di Veo 3 come punto di partenza.
- Precisa ciò che Veo 3 ignorava. Poiché Veo 3.1 segue i prompt più fedelmente, i dettagli a cui avevi rinunciato, come l'ordine esatto delle azioni o un movimento di camera specifico, vale la pena riscriverli.
- Prova i nuovi controlli. Se un'inquadratura deve finire su un fotogramma preciso, aggiungi un fotogramma finale. Se un personaggio deve restare uguale tra una clip e l'altra, usa le immagini di riferimento.
- Scegli il livello in base al lavoro. Fai le bozze su Veo 3.1 Lite, usa Veo 3.1 Fast per le clip di tutti i giorni e le immagini di riferimento, e il Veo 3.1 completo per la versione che pubblichi.
Usare Veo 3.1 su Veo Video
Tutti i video Veo che crei su Veo Video girano su Veo 3.1, compreso il generatore della nostra pagina Veo 3. Qui non esiste un modello Veo 3.0 separato. Ogni generazione è una clip di 8 secondi con audio, in 16:9 o 9:16, a 720p, 1080p o 4K. Puoi partire da un testo o da una foto e aggiungere un fotogramma finale in qualsiasi livello. Le immagini di riferimento funzionano su Veo 3.1 Fast, con un massimo di tre immagini per clip.
I nuovi account ricevono 30 crediti gratuiti, sufficienti per una clip Veo 3.1 Lite a 720p: un modo rapido per vedere come rende su Veo 3.1 uno dei tuoi vecchi prompt di Veo 3. Quando funziona, genera la versione definitiva su Veo 3.1 a 1080p o in 4K.