Command Palette
Search for a command to run...
google/veo-3Veo 3.1 Fast —— Google DeepMind 的快速高性价比 Veo 3.1 视频模型，支持原生音频（对话和音效）、图生视频，最高 1080p。
First-person view soaring low over a medieval battlefield at dawn, gliding past clashing knights in armor, fire-lit arrows whizzing overhead, splintered catapults burning near fallen soldiers, flying inches above torn flags and mud-soaked ground, raw, terrifying, epic
Veo 3.1 Fast 是 Google DeepMind Veo 3.1 视频模型的速度和成本优化版本。与 Veo 3 家族的其他模型一样，它原生生成音频——在单次生成中同步产出对话、音效和环境音。该模型最高支持 1080p 视频输出，提供两种画面比例（16:9 和 9:16），并可接受最多 2 张帧图用于图生视频，支持首帧和末帧控制。
音频不可或缺的电影级内容——带环境音的自然纪录片、带冲击音效的产品发布。带原生声音设计的社交短视频和竖屏视频。使用首尾帧进行图生视频以控制动画轨迹。带同步语音的对话场景和角色叙事。
所有参数通过运行请求的 input 对象传入。
| Parameter | Required | Description |
|---|---|---|
| prompt | Yes | 文本描述（1–5000 字符） |
| aspect_ratio | No | 默认 16:9。可选：16:9、9:16 |
| resolution | No | 默认 720p。可选：720p、1080p |
| image_urls | No | 最多 2 张帧图（每张最大 10 MB）用于图生视频 |
Veo 3 原生生成音频。暗示声音的提示词——"rain on a tin roof"、"crowd cheering in a stadium"、"whispered conversation"——会产出比纯视觉描述更丰富、更有沉浸感的输出。
上传一张首帧图片和一张作为结束状态的图片。Veo 3 会在两者之间插值，让你同时控制起始构图和最终姿态或画面。
"slow tracking shot"、"static wide angle"、"handheld close-up" 等短语会直接转化为镜头运动。模糊的提示词只会产出平淡的动效。
generate_audio 开关——模型不提供控制音频输出的选项不可以。Veo 3 Fast 始终原生生成音频，没有提供 generate_audio 开关来关闭它。（其他一些模型，如 ByteDance 的 Seedance，确实提供了 generate_audio 开关。）
不可以。Veo 3 没有时长参数。模型根据提示词内容决定片段长度。典型输出在几秒到约 8 秒之间。
第一张图片设定开场帧；第二张设定目标结束状态。模型生成在两者之间过渡的视频。你也可以只提供一张图片来锚定起始帧。