Vidéo IA · Google DeepMind

Veo 3.1 : des vidéos IA cinématographiques qui parlent, bougent et restent fidèles au personnage

Demander à l'IA ▾

Veo 3.1 est le modèle vidéo de Google DeepMind qui transforme une phrase ou quelques photos en un court clip cinématographique doté de sa propre bande-son : dialogues, effets sonores et ambiance sont générés en même temps que l'image. Sorti à la mi-octobre 2025 avec une version améliorée de l'éditeur Flow, il a offert aux créateurs trois nouvelles façons de diriger un plan : des images de référence qui gardent un personnage ou un produit cohérent, une image de début et une image de fin qui définissent où le clip commence et se termine, et Extend pour des histoires plus longues qu'une seule prise. Ce guide explique à quoi sert chaque fonction, où elle s'impose et propose des modèles de prompts à copier tout de suite.

  • Dialogues et son natifs
  • Jusqu'à 3 images de référence
  • Image de début et de fin
Transformez votre photo en vidéo →

Son, récit et contrôle : pourquoi les créateurs parlent de ce modèle

La plupart des outils vidéo IA vous livrent un clip muet et vous laissent gérer l'audio. Veo 3.1 génère l'image et la bande-son en une seule passe : un personnage peut donc prononcer une réplique avec un mouvement des lèvres synchronisé pendant que la pluie, la circulation ou la musique jouent en fond. Ce seul changement explique pourquoi les créateurs de mini-dramas, les annonceurs et les comptes de mèmes l'ont adopté si vite : un moment de huit secondes qui semble fini sort d'un seul prompt.

Google a lancé le modèle en octobre 2025 et l'a rendu disponible dans l'app Gemini, dans Flow (l'outil de réalisation de Google) et pour les développeurs via la Gemini API et Vertex AI. Chaque génération produit un clip de huit secondes maximum en 720p ou 1080p, et des mises à jour ultérieures ont ajouté une sortie verticale native 9:16 pour les formats mobiles et la 4K pour les grands écrans. C'est un modèle fermé : aucun poids n'est téléchargeable, et les vidéos portent le filigrane invisible SynthID de Google.

De Veo 3 à Veo 3.1 : les améliorations que vous remarquerez

Veo 3 a fait la une en 2025 en étant le premier modèle largement utilisé à générer des vidéos parlantes avec un son synchronisé. La mise à jour 3.1 conserve cet atout et mise sur le contrôle : la couverture du lancement a souligné une meilleure fidélité au prompt et une meilleure qualité visuelle à partir d'une image, un audio plus riche et de nouveaux outils de montage dans Flow. Google a aussi conservé le même tarif que Veo 3 au lancement.

Veo 3Version 3.1
Audio natifDialogues, effets, ambianceAudio plus riche, aussi dans les outils de montage de Flow
Images de référenceNon disponibleJusqu'à 3 images pour personnages, objets ou style
Image de début et de finNon disponibleImage de début et de fin avec transition générée
Histoires plus longuesClips uniquesExtend prolonge un clip, avec le son
Image vers vidéoBonPlus fidèle au prompt, détails plus nets
FormatsPaysagePaysage, vertical natif 9:16, 4K ajoutée ensuite

Ingredients to Video : gardez vos personnages et produits cohérents

Dans Veo 3.1, Ingredients to Video vous permet de fournir au modèle jusqu'à trois images de référence, par exemple un portrait de personnage, une photo de produit et un décor, pour obtenir un clip qui les combine. Au lieu d'espérer que le même visage apparaisse deux fois, vous le montrez. C'est la fonction derrière la plupart des contenus en série : un présentateur virtuel identique à chaque épisode, une mascotte de marque qui garde ses couleurs ou l'héroïne d'un mini-drama dont la tenue ne change pas d'une scène à l'autre.

Pour de meilleurs résultats, utilisez des références prises sous un éclairage similaire, gardez le sujet bien visible et nommez chaque ingrédient dans le prompt ("la femme de la première image tient la bouteille de la deuxième image"). La cohérence est forte au sein d'un clip ; sur de nombreux clips séparés, de légères dérives peuvent encore survenir, alors réutilisez toujours les mêmes références.

Image de début et de fin : révélations, relookings et transitions

Dans Veo 3.1, Frames to Video prend une image de départ et une image de fin et invente le mouvement entre les deux, son compris. C'est le moyen le plus simple de créer des contenus avant/après captivants : une tenue de tous les jours qui devient une robe de soirée, une pièce vide qui se remplit de meubles, une boîte fermée qui s'ouvre sur un produit ou une rue de jour qui bascule dans la nuit.

Gardez le même cadrage et le même éclairage sur les deux images pour une transition naturelle, et décrivez l'entre-deux dans le prompt, par exemple "caméra fixe, transition scintillante, musique entraînante". Les créateurs mode l'utilisent pour révéler des tenues, les comptes immobilier et déco pour transformer des pièces, et les équipes e-commerce pour des plans d'unboxing.

First and last frame transformation from casual outfit to evening gown, illustrating a first-and-last-frame video reveal

Aller au-delà de 8 secondes avec Extend

Une génération Veo 3.1 plafonne à huit secondes, assez pour un temps fort mais pas pour une scène entière. Extend résout ce problème en reprenant à partir du dernier instant d'un clip existant, en prolongeant l'action et l'audio. Enchaînez plusieurs extensions et vous obtenez une séquence de 30 secondes ou plus, de quoi faire un épisode de drama vertical, une pub narrative ou une prévisualisation de storyboard.

Pensez chaque extension comme une action : le premier clip installe, le suivant réagit, le troisième conclut. De courtes répliques qui tiennent largement en huit secondes sonnent bien plus naturel que de longs discours coupés en pleine phrase.

Standard, Fast ou Lite, plus vertical et 4K

Veo 3.1 existe en plusieurs niveaux. Standard est le choix de la qualité pour les plans finaux. Fast sacrifie un peu de finition au profit de la vitesse et sert souvent pour les brouillons et les tests en lot de nombreuses variantes de prompt. Lite est le niveau le plus léger et le plus abordable, pensé pour les gros volumes, et ne propose pas la 4K.

Choisissez le format avant de générer. Le vertical natif 9:16 convient à TikTok, Reels et Shorts sans couper les têtes, tandis que le 16:9 va bien à YouTube et aux bandes-annonces. Réservez la 4K à la version finale d'un clip qui vous plaît déjà ; travailler les brouillons en résolution plus basse garde des itérations rapides.

  • Standard : plans phares, publicités et tout ce qui sera vu de près.
  • Fast : brouillons rapides, tests A/B d'accroches, clips sociaux en volume.
  • Lite : les plus gros lots, quand la vitesse et le coût comptent le plus ; pas de 4K.

Là où Veo 3.1 décolle

Comme le son et l'image arrivent ensemble, le modèle convient aux formats où quelques secondes doivent sembler complètes. Voici les scènes auxquelles les créateurs reviennent le plus :

  • Mini-dramas verticaux : une distribution fixe grâce aux images de référence, une réplique émouvante par clip, enchaînés en épisodes avec Extend.
  • Pubs produits e-commerce : orbites lentes, gros plans macro et révélations d'unboxing avec un carillon ou un whoosh assorti.
  • Clips parlés façon UGC : cadrage selfie, un avis décontracté et lumière naturelle pour les pubs sur les réseaux sociaux.
  • ASMR et gros plans culinaires : poêles qui grésillent, boissons versées et textures croustillantes où l'audio fait tout le plan.
  • Bandes-annonces cinématographiques et extraits de clips musicaux : éclairage d'ambiance, mouvements de caméra spectaculaires et bande-son adaptée.
  • Mèmes et sketchs : des gags rapides avec des chutes parlées qui font mouche en moins de huit secondes.

Guide des prompts Veo 3.1 : modèles à copier

Une structure fiable : caméra et mouvement, puis sujet et action, puis décor et lumière, puis style, puis audio. Mettez les répliques entre guillemets, gardez une action principale par clip et, si vous ne voulez pas de sous-titres, ajoutez "no subtitles" pour que le modèle n'affiche pas de texte illisible à l'écran. Remplacez les détails par votre propre scène.

Mini-drama

Medium close-up, handheld. A young woman in a red coat turns to the man at the rainy bus stop and says, "You knew all along." Neon reflections, cinematic, sound of rain and distant traffic. No subtitles.

Pub produit

Slow 360 orbit around a glass perfume bottle on wet black stone, macro, soft rim light, water droplets, subtle chime sound, luxury commercial.

Image de début et de fin

Start: woman in casual everyday clothes. End: the same woman in an evening gown. Camera static, sparkle transition, upbeat music.

Avis UGC

Selfie-style vertical video, creator in a kitchen excitedly reviews a blender, natural daylight, casual voice: "Okay, this actually changed my mornings."

Comment l'essayer, et est-ce gratuit ?

Il existe trois accès principaux, selon votre profil :

  1. Créateurs au quotidien : générez des clips dans l'app Gemini ou dans Flow avec un abonnement Google AI ; les quotas mensuels dépendent de votre forfait.
  2. Développeurs : appelez le modèle via la Gemini API ou Vertex AI. L'API n'a pas d'offre gratuite et, selon un avis tiers, les identifiants des modèles en préversion sur la Gemini API ont été retirés le 22 octobre 2026, Google orientant les développeurs vers ses modèles plus récents Gemini Omni.
  3. Tester gratuitement : certaines plateformes tierces distribuent des crédits d'essai, la voie habituelle pour ceux qui cherchent un accès gratuit.

Avant de bâtir un produit dessus, consultez la documentation vidéo et la page des abandons de Google pour savoir quels noms de modèles sont encore servis sur votre plateforme.

Ce que les créateurs adorent, et ce qu'ils aimeraient voir amélioré

Depuis le lancement, les avis sur Veo 3.1 s'accordent généralement sur ses points forts : synchronisation précise entre lèvres, effets et image, éclairage réaliste et mouvements de caméra qui semblent réalisés plutôt qu'aléatoires. Les images de référence et le contrôle des images de début et de fin sont les fonctions que les créateurs citent pour expliquer pourquoi ils ont quitté Veo 3.

Les critiques sont tout aussi constantes. Huit secondes par génération, c'est court ; des filtres de contenu stricts rejettent parfois des prompts inoffensifs ; les personnages peuvent encore dériver sur de nombreux clips séparés ; et un usage intensif coûte cher. Bien planifier les plans et faire les brouillons sur les niveaux plus rapides sont les parades habituelles.

Veo 3.1 vs Sora 2, Kling et options sans censure

Face à Sora 2 d'OpenAI, les principales différences évaluées sont le contrôle par références et la qualité audio ; face à Kling, c'est la durée des clips, puisque Kling 3.0 atteint 15 secondes et Kling 4.0 jusqu'à 30 secondes en une génération, tandis que ce modèle s'appuie sur Extend. Une comparaison équitable consiste à passer le même prompt et les mêmes images de référence dans chaque outil, puis à juger la cohérence et le son.

Il n'existe pas de version sans censure ou NSFW de Veo 3.1. Il est fermé, sans poids ouverts, et Google filtre les prompts comme les résultats selon sa politique d'utilisation interdite de l'IA générative. Ceux qui veulent de la vidéo sans restriction se tournent généralement vers des modèles à poids ouverts comme Wan 2.2 ou HunyuanVideo, exécutables sur leur propre matériel.

Générateur vidéo alternatif sans censure

Le modèle officiel est modéré et n'existe pas en édition sans censure. Pour des scènes adultes fictives (18+), comme un clip en bikini à la plage ou un slow dans un loft éclairé aux bougies, importez une photo de départ sur la page image vers vidéo de Spicy AI et décrivez le mouvement souhaité.

Luxury perfume bottle on wet black stone, styled as a cinematic product commercial shotOuvrir image vers vidéo

Veo 3.1 officiel vs génération sur Spicy AI

Service officielSpicy AI en ligne
Filtrage du contenuPrompts et résultats filtrés par GoogleContenu adulte (18+) autorisé
Poids ouvertsNon, modèle ferméSans objet, fonctionne en ligne
Modèle réellement utiliséNiveau Standard, Fast ou LiteModèles vidéo propres à Spicy AI
PrixAbonnement Google AI ou API facturée à la secondeGratuit pour commencer, crédits pour plus
  • Officiel : audio natif, images de référence, image de début et de fin et Extend dans Gemini, Flow et l'API.
  • Spicy AI : partez de votre propre photo et animez-la dans le navigateur.

Questions fréquentes

Qui a créé Veo 3.1 et quand est-il sorti ?

Google DeepMind l'a lancé à la mi-octobre 2025, en même temps qu'une mise à jour de l'outil de réalisation Flow.

Quelle peut être la durée d'un clip ?

Une génération dure jusqu'à huit secondes. Extend prolonge un clip à partir de son dernier instant : plusieurs extensions peuvent donc être enchaînées pour obtenir une vidéo plus longue.

Génère-t-il du son ?

Oui. Dialogues, effets sonores et ambiance sont générés avec la vidéo, avec un mouvement des lèvres synchronisé sur les répliques.

Qu'est-ce qui a changé par rapport à Veo 3 ?

Il ajoute jusqu'à trois images de référence, le contrôle des images de début et de fin et Extend avec audio, et suit les prompts plus fidèlement à partir d'une image. Le prix de lancement est resté le même.

Puis-je l'utiliser gratuitement ?

La Gemini API n'a pas d'offre gratuite. Dans l'app Gemini et dans Flow, il est inclus dans les abonnements Google AI, et certaines plateformes tierces offrent des crédits d'essai.

Existe-t-il un Veo 3.1 sans censure ?

Non. C'est un modèle fermé sans poids ouverts, et Google filtre les prompts et les résultats. Les modèles vidéo à poids ouverts comme Wan 2.2 sont ceux que l'on utilise pour avoir moins de restrictions.

L'API est-elle toujours disponible ?

Selon un avis tiers, les identifiants des modèles en préversion sur la Gemini API ont été retirés le 22 octobre 2026, Gemini Omni étant le successeur suggéré. Consultez la documentation de Google pour la disponibilité actuelle sur Vertex AI.

Sources

Voir tous les modèles d'IA sans censure →

Veo, Gemini et Google sont des marques de leurs propriétaires respectifs. Tout contenu doit représenter des adultes (18+).

Sign in

Welcome to Spicy AI

or