Veo 3.1: обзор видеомодели Google с примерами

Veo 3.1 — видеомодель Google DeepMind, которая собирает ролик из текстового описания, картинки или нескольких референсов и умеет делать это вместе со звуком. В этом обзоре Veo 3.1 мы разбираем, что модель умеет по данным Google, какие режимы доступны на платформе Артиллект, сколько стоит одна генерация и как она ведёт себя на практике. Мы сгенерировали четыре клипа разных жанров: ночной город, предметную съёмку, документальный портрет и спортивную сцену. К каждому приводим промпт и честную оценку, где модель справилась, а где нет.

Что такое Veo 3.1

Veo 3.1 — это модель генерации видео из семейства Veo, которое развивает Google DeepMind. По описанию на официальной странице Veo, модель работает с текстом, изображениями и референсами, а звук создаёт в том же проходе, что и картинку. Среди заявленных возможностей: диалоги, шумы и фоновая атмосфера, ключевые кадры для плавных переходов, продолжение клипа с последней секунды и управление камерой.

В каталоге Артиллекта модель называется Veo 3.1 и доступна в четырёх режимах: из текста, из одной картинки, по первому и последнему кадру и по референсным изображениям. На платформе можно выбрать длительность 4, 6 или 8 секунд, разрешение 720p, 1080p или 4K и формат кадра 16:9 или 9:16. Для режима с референсами предусмотрено до трёх изображений.

Важная оговорка из описания Google: естественная речь, особенно в коротких репликах, пока остаётся зоной улучшений. Поэтому для роликов с диалогом результат нужно проверять на слух и при необходимости переозвучивать.

Ключевые возможности

Мы сверили заявления Google со списком параметров, который отдаёт каталог платформы, и разделили возможности на подтверждённые нами и те, что мы пересказываем по документации.

• Видео со звуком. Google заявляет о генерации звуковых эффектов, окружения и диалогов вместе с картинкой. Во всех четырёх наших клипах в файле есть звуковая дорожка. Качество звука мы не оцениваем в цифрах, послушайте его сами в плеере ниже.
• Референсные изображения. Модель принимает референсы сцены, героя или предмета, чтобы сохранить внешний вид между кадрами. На платформе лимит равен трём изображениям.
• Первый и последний кадр. Вы задаёте стартовую и финальную картинки, а модель достраивает движение между ними. Это удобно для переходов и ровных склеек.
• Продолжение клипа. Google описывает продолжение сцены с последней секунды с сохранением изображения и звука. В этом обзоре мы такую цепочку не собирали.
• Управление камерой. В описании упоминаются приближение, отъезд, движение вверх и вбок. В наших промптах мы задавали камеру словами, и она в целом следовала описанию.
• Пометка SynthID. По данным Google, результаты маркируются невидимым водяным знаком SynthID. Для рекламных материалов это стоит учитывать при согласовании.
• Разрешение до 4K. Модель отдаёт 720p, 1080p и 4K, но стоимость растёт заметно. Мы замерили её ниже.

Наши тесты: четыре клипа в разных жанрах

Все клипы сделаны в Артиллекте на модели Veo 3.1 в режиме «из текста»: 6 секунд, 720p, формат 16:9, по 39 токенов за генерацию. Каждый результат получен с первой попытки, без отбора лучшего из нескольких. Это важно: на сложных сценах вам, скорее всего, понадобится два-три варианта.

Пример 1. Ночная улица после дождя

Промпт: «Cinematic night street in Tokyo after rain, neon reflections on wet asphalt, a lone cyclist rides slowly toward the camera, shallow depth of field, anamorphic lens flares, smooth dolly-back shot».

Модель: Veo 3.1, 39 токенов, 6 секунд. Получилась плотная неоновая улица с вывесками на японском, мокрый асфальт отражает цвет, а велосипедист едет прямо на камеру. В кадре есть горизонтальные блики, похожие на анаморфотные. Камера почти не отъезжает, кадр больше похож на статичный план с движением героя, чем на выраженный dolly-back. Глубина резкости выглядит правдоподобно: фон мягкий, герой чёткий.

Пример 2. Предметная съёмка: флакон духов

Промпт: «Macro product commercial: a glass perfume bottle on a black stone surface, slowly rotating, water droplets sliding down the glass, golden rim light, soft sparkles, ultra sharp».

Модель: Veo 3.1, 39 токенов, 6 секунд. Здесь результат отличается от задуманного. Флакон не вращается: он лежит на боку на тёмной поверхности, на него льётся золотистая струя, брызги и искры разлетаются вокруг. Золотая подсветка и блеск стекла выглядят дорого, детализация высокая. Но пункты про вращение и стекающие капли выполнены лишь отчасти. Вывод для рекламной съёмки: если нужна конкретная механика кадра, формулируйте её короче и жёстче, например «флакон стоит вертикально, камера медленно облетает его по кругу».

Пример 3. Документальный портрет

Промпт: «Handheld documentary close-up of an elderly fisherman repairing a net on a wooden pier at sunrise, warm light, seagulls in the background, natural skin texture, shallow depth of field».

Модель: Veo 3.1, 39 токенов, 6 секунд. Тёплое солнце низко над водой, на причале сидят чайки, взлетают и пролетают над кадром, руки героя заняты сетью. Текстура кожи, ткань рубашки и нити сети выглядят естественно. Минус: рамка кадра срезает лицо героя у верхнего края, так что виден в основном нижний фрагмент лица. Если вам нужен выразительный портрет, добавляйте в промпт «лицо полностью в кадре».

Пример 4. Спорт на закате

Промпт: «Dynamic sports shot: a skateboarder jumps a stair set in an empty city plaza at golden hour, slow motion at the peak of the jump, camera tracks sideways».

Модель: Veo 3.1, 39 токенов, 6 секунд. На площади с современными зданиями скейтер разгоняется, прыгает над лестницей, а затем приземляется. В среднем кадре он на пике прыжка, доска в воздухе, свет бьёт из-за зданий. Камера двигается вбок вслед за героем. Движение тела выглядит убедительно, замедление в самой высокой точке заметить в этом клипе сложно: темп кажется близким к реальному. Если слоу-мо принципиально, укажите его и скорость, например «в 2 раза медленнее».

Сравнение с аналогами

Мы замерили стоимость через оценку платформы на 15 октября 2026 года. Длительности у моделей отличаются, поэтому сравнивайте таблицу с оговорками: Veo предлагает 4, 6 и 8 секунд, у остальных короткий клип длится 5.

Модель	Параметры замера	Токенов за генерацию	Что важно
Veo 3.1	6 с, 720p	39	Звук, 3 референса, ключевые кадры, до 4K
Wan 2.7	5 с, 720p	40	Первый и последний кадр, до 5 референсов, правка видео
Kling 3 Turbo	5 с, 720p	59	Быстрая версия Kling 3, форматы 16:9, 9:16 и 1:1
Seedance 2.5	5 с, 720p, звук	134	До 30 секунд за проход, до 30 референс-картинок

По цене Veo 3.1 и Wan 2.7 в нашем замере почти не отличаются, а Kling 3 Turbo и особенно Seedance 2.5 заметно дороже. Для 1080p на 8 секунд мы получили 43 токена, для 4K на 8 секунд 117 токенов. Это подсказывает рабочий процесс: черновики лучше собирать в 720p, а финальную версию отдельно перегонять в высоком разрешении.

Отдельный вопрос: как Veo выглядит на одном и том же промпте рядом с конкурентами? Мы собрали такой тест, четыре модели против одной сцены с бариста, в материале Veo 3.1, Seedance 2.5, Kling 3 и Wan 2.7: сравнение. Если вам интересна открытая линейка Alibaba, смотрите обзор Wan 2.7. А если нужна быстрая и дешёвая модель Kuaishou, сравните версии в статье Kling 3 Turbo и Kling 3. Общий взгляд на рынок даёт топ-5 моделей для генерации видео.

Как писать промпты для Veo 3.1

Из четырёх экспериментов вытекают практичные правила.

• Опишите один главный элемент сцены. Клип про рыбака и клип про скейтера получились убедительнее, чем перегруженная сцена с флаконом, где мы попросили сразу вращение, капли, искры и подсветку.
• Указывайте камеру отдельной фразой. «Dolly-back», «tracks sideways», «handheld» модель читает, но делает их мягко. Если движение камеры ключевое, поставьте его в начало промпта.
• Пишите, что должно быть в кадре целиком. Срезанное лицо в третьем примере исправляется фразой «лицо героя полностью в кадре».
• Описывайте звук так же, как картинку. Если вам нужны чайки, шум города или тишина, скажите об этом словами: «чайки, шум волн, без музыки».
• Делайте несколько вариантов. Ключевые сцены генерируйте два-три раза и выбирайте лучший вариант, как и на любой видеомодели.

Для каких задач подходит

Короткая реклама и соцсети. 6–8 секунд со звуком закрывают ролики для сторис, вертикальный формат 9:16 доступен.

Раскадровки и предвизуализация. Дешёвые черновики в 720p позволяют проверить идею до большого рендера.

Переходы по ключевым кадрам. Режим с первым и последним кадром помогает собирать плавные склейки между заранее подготовленными картинками.

Сцены с несколькими образами. Референсы героя, предмета и фона позволяют удерживать внешний вид, но на платформе их максимум три.

Видео с естественным звуком окружения. Для шумов города, воды и птиц отдельная озвучка может не понадобиться.

Сильные и слабые стороны

Сильные стороны:

• высокая детализация и правдоподобный свет в кадре;
• звуковая дорожка в клипе без отдельного шага;
• режимы с ключевыми кадрами и референсами;
• низкая цена на коротких черновиках: 39 токенов за 6 секунд в 720p;
• форматы 16:9 и 9:16.

Слабые стороны и ограничения:

• на сложных промптах часть условий пропускается, как с вращением флакона;
• лицо героя может обрезаться рамкой кадра;
• естественная речь в коротких репликах требует проверки, это признаёт и сам Google;
• 4K заметно дороже: 117 токенов за 8 секунд против 39 за 6 секунд в 720p;
• длительность ограничена 4, 6 и 8 секундами, для длинных сцен нужна склейка.

Как попробовать Veo 3.1 в Артиллекте

1. Откройте генератор видео и выберите в каталоге модель Veo 3.1.
2. Задайте режим: из текста, из картинки, по первому и последнему кадру или по референсам.
3. Выберите длительность, разрешение и формат кадра. Для первых проб достаточно 6 секунд в 720p.
4. Вставьте промпт, посмотрите стоимость до запуска и нажмите генерацию.
5. Если работаете из ассистента, подключите Артиллект через MCP, и генерации будут запускаться прямо из чата.

Перейти к генерациям можно сразу: оплата в рублях, без VPN, токены не сгорают. Цены в статье актуальны на октябрь 2026 года, свежую стоимость смотрите на карточке модели.

Частые вопросы

Что такое Veo 3.1? Это видеомодель Google DeepMind. Она создаёт ролики из текста, картинки или референсов и, по заявлению Google, генерирует звук вместе с изображением.

Сколько стоит Veo 3.1 в Артиллекте? В нашем замере на октябрь 2026 года: 39 токенов за 6 секунд в 720p, 43 токена за 8 секунд в 1080p и 117 токенов за 8 секунд в 4K. Точную цену платформа показывает до запуска.

Какой длины видео делает Veo 3.1? На платформе доступны клипы по 4, 6 и 8 секунд. Для длинных историй их склеивают в монтаже.

Можно ли использовать свои картинки как референсы? Да. В режиме с референсами платформа принимает до трёх изображений, а режим «первый и последний кадр» принимает стартовую и финальную картинки.

Есть ли в клипах звук? В файлах наших примеров есть звуковая дорожка. По описанию Google, модель генерирует диалоги, шумы и атмосферу. Качество звука и речи проверяйте в каждом клипе.

Доступна ли модель без VPN? В Артиллекте да: без VPN, с оплатой в рублях.