Vídeo com IA · Google DeepMind

Veo 3.1: vídeos cinematográficos com IA que falam, se movem e mantêm o personagem

Pergunte à IA ▾

O Veo 3.1 é o modelo de vídeo do Google DeepMind que transforma uma frase ou algumas fotos em um clipe curto e cinematográfico com trilha sonora própria: falas, efeitos sonoros e ambiência são gerados junto com a imagem. Lançado em meados de outubro de 2025 com uma versão aprimorada do editor Flow, ele deu aos criadores três novas formas de dirigir uma cena: imagens de referência que mantêm um personagem ou produto consistente, um quadro inicial e um final que definem onde o clipe começa e termina, e o Extend para histórias mais longas que uma única tomada. Este guia mostra para que serve cada recurso, onde ele está ganhando espaço e modelos de prompt que você pode copiar na hora.

  • Diálogo e som nativos
  • Até 3 imagens de referência
  • Quadro inicial e final
Transforme sua foto em vídeo →

Som, história e controle: por que os criadores falam deste modelo

A maioria das ferramentas de vídeo com IA entrega um clipe mudo e deixa o áudio por sua conta. O Veo 3.1 gera a imagem e a trilha sonora de uma só vez, então um personagem pode dizer uma fala com movimento labial sincronizado enquanto chuva, trânsito ou música tocam ao fundo. Essa única mudança explica por que criadores de dramas curtos, anunciantes e páginas de memes o adotaram tão rápido: um momento de oito segundos com cara de pronto sai de um único prompt.

O Google lançou o modelo em outubro de 2025 e o disponibilizou no app Gemini, no Flow (a ferramenta de cinema do Google) e para desenvolvedores pela Gemini API e pela Vertex AI. Cada geração produz um clipe de até oito segundos em 720p ou 1080p, e atualizações posteriores trouxeram saída vertical nativa 9:16 para formatos pensados no celular e 4K para telas grandes. É um modelo fechado: não há pesos para download, e os resultados carregam a marca d'água invisível SynthID do Google.

Do Veo 3 ao Veo 3.1: as melhorias que você vai notar

O Veo 3 virou notícia em 2025 por ser o primeiro modelo amplamente usado a gerar vídeo falado com som sincronizado. A atualização 3.1 mantém esse ponto forte e foca no controle: a cobertura do lançamento destacou melhor aderência ao prompt e qualidade visual ao partir de uma imagem, áudio mais rico e novas ferramentas de edição no Flow. O Google também manteve o mesmo preço do Veo 3 no lançamento.

Veo 3Versão 3.1
Áudio nativoDiálogo, efeitos, ambiênciaÁudio mais rico, também nas ferramentas de edição do Flow
Imagens de referênciaNão disponívelAté 3 imagens para personagens, objetos ou estilo
Quadro inicial e finalNão disponívelQuadro inicial e final com transição gerada
Histórias mais longasClipes únicosO Extend continua um clipe, com som
Imagem para vídeoBomMais fiel ao prompt, detalhes mais nítidos
FormatosPaisagemPaisagem, vertical nativo 9:16, 4K adicionado depois

Ingredients to Video: mantenha elenco e produtos consistentes

No Veo 3.1, o Ingredients to Video permite entregar ao modelo até três imagens de referência, por exemplo um retrato de personagem, uma foto de produto e um cenário, e receber um clipe que combina tudo. Em vez de torcer para o mesmo rosto aparecer duas vezes, você o mostra. Esse é o recurso por trás da maior parte do conteúdo em série: um apresentador virtual idêntico em todos os episódios, um mascote de marca que mantém as cores ou a protagonista de um drama curto cuja roupa não muda entre as cenas.

Para melhores resultados, use referências com iluminação parecida, mantenha o assunto bem visível e nomeie cada ingrediente no prompt ("a mulher da primeira imagem segura a garrafa da segunda imagem"). A consistência é forte dentro de um clipe; em muitos clipes separados ainda podem ocorrer pequenos desvios, então reutilize sempre as mesmas referências.

Quadro inicial e final: revelações, transformações e transições

No Veo 3.1, o Frames to Video recebe uma imagem inicial e uma final e inventa o movimento entre elas, com som incluso. É a forma mais fácil de criar conteúdo de antes e depois que agrada: um look do dia a dia que vira vestido de gala, um cômodo vazio que se enche de móveis, uma caixa fechada que se abre revelando um produto ou uma rua de dia que se transforma em noite.

Mantenha os dois quadros com o mesmo enquadramento e iluminação para a transição parecer natural, e descreva o meio no prompt, como "câmera parada, transição com brilho, música animada". Criadores de moda usam para revelar looks, perfis de imóveis e decoração para transformar ambientes, e equipes de e-commerce para cenas de unboxing.

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

Indo além de 8 segundos com o Extend

Uma geração do Veo 3.1 chega a no máximo oito segundos, o suficiente para um momento, mas não para uma cena inteira. O Extend resolve isso continuando a partir do último instante de um clipe existente, levando adiante a ação e o áudio. Encadeie várias extensões e você terá uma sequência de 30 segundos ou mais, o bastante para um episódio de drama vertical, um anúncio em formato de história ou uma prévia de storyboard.

Planeje cada extensão como uma ação: o primeiro clipe prepara, o seguinte reage, o terceiro conclui. Falas curtas que cabem com folga em oito segundos soam muito mais naturais do que longos discursos cortados no meio da frase.

Standard, Fast ou Lite, além de vertical e 4K

O Veo 3.1 vem em vários níveis. O Standard é a escolha de qualidade para tomadas finais. O Fast troca um pouco de acabamento por velocidade e é popular para rascunhos e testes em lote de muitas variações de prompt. O Lite é o nível mais leve e acessível, voltado a trabalhos de alto volume, e não oferece 4K.

Escolha o formato antes de gerar. O vertical nativo 9:16 se encaixa no TikTok, Reels e Shorts sem cortar cabeças, enquanto o 16:9 combina com YouTube e trailers. Use 4K só na versão final de um clipe de que você já gosta; rascunhar em resolução menor deixa as iterações rápidas.

  • Standard: tomadas principais, anúncios e tudo o que será visto de perto.
  • Fast: rascunhos rápidos, testes A/B de ganchos, clipes sociais em volume.
  • Lite: os maiores lotes, onde velocidade e custo importam mais; sem 4K.

Onde o Veo 3.1 está decolando

Como som e imagem chegam juntos, o modelo se encaixa em formatos em que poucos segundos precisam parecer completos. Estas são as cenas a que os criadores mais voltam:

  • Dramas curtos verticais: elenco fixo a partir de imagens de referência, uma fala emocional por clipe, encadeados com o Extend em episódios.
  • Anúncios de produtos para e-commerce: órbitas lentas, closes macro e revelações de unboxing com um toque ou whoosh combinando.
  • Clipes falados estilo UGC: enquadramento de selfie, uma fala de review descontraída e luz natural para anúncios em redes sociais.
  • ASMR e closes de comida: frigideiras chiando, bebidas sendo servidas e texturas crocantes em que o áudio vende a cena.
  • Trailers cinematográficos e trechos de videoclipes: iluminação dramática, movimentos de câmera marcantes e uma trilha que combina.
  • Memes e esquetes: momentos cômicos rápidos com piadas faladas que funcionam em menos de oito segundos.

Guia de prompts do Veo 3.1: modelos para copiar

Uma estrutura confiável é: câmera e movimento, depois assunto e ação, depois cenário e luz, depois estilo e, por fim, áudio. Coloque as falas entre aspas, mantenha uma ação principal por clipe e, se não quiser legendas, adicione "no subtitles" para que o modelo não desenhe texto embaralhado na tela. Substitua os detalhes pela sua própria cena.

Drama curto

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.

Anúncio de produto

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

Quadro inicial e final

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

Review UGC

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

Como experimentar e se é grátis

Há três caminhos principais, dependendo de quem você é:

  1. Criadores em geral: gere clipes no app Gemini ou no Flow com uma assinatura Google AI; as cotas mensais dependem do seu plano.
  2. Desenvolvedores: acesse o modelo pela Gemini API ou pela Vertex AI. A API não tem nível gratuito e, segundo um aviso de terceiros, os IDs dos modelos de prévia na Gemini API foram desativados em 22 de outubro de 2026, com o Google indicando aos desenvolvedores seus modelos mais novos Gemini Omni.
  3. Testar de graça: algumas plataformas de terceiros distribuem créditos de teste, o caminho usual para quem procura acesso gratuito.

Antes de construir um produto sobre ele, confira a documentação de vídeo e de descontinuação do Google para saber quais nomes de modelo ainda são servidos na sua plataforma.

O que os criadores adoram e o que gostariam que fosse melhor

As análises do Veo 3.1 desde o lançamento costumam concordar nos pontos fortes: sincronia precisa entre lábios, efeitos e imagem, iluminação realista e um trabalho de câmera que parece dirigido, e não aleatório. Imagens de referência e controle de quadro inicial e final são os recursos que os criadores citam ao explicar por que migraram do Veo 3.

As reclamações são igualmente consistentes. Oito segundos por geração parecem pouco, filtros de conteúdo rígidos às vezes rejeitam prompts inofensivos, personagens ainda podem variar entre muitos clipes separados e o uso intenso fica caro. Planejar bem as tomadas e rascunhar nos níveis mais rápidos são as soluções habituais.

Veo 3.1 vs Sora 2, Kling e opções sem censura

Em relação ao Sora 2 da OpenAI, as principais diferenças avaliadas são o controle por referências e a qualidade do áudio; em relação ao Kling, é a duração do clipe, já que o Kling 3.0 chega a 15 segundos e o Kling 4.0 a até 30 segundos em uma geração, enquanto este modelo depende do Extend. Uma comparação justa é rodar o mesmo prompt e as mesmas imagens de referência em cada ferramenta e julgar consistência e som.

Não existe versão sem censura ou NSFW do Veo 3.1. Ele é fechado, não tem pesos abertos, e o Google filtra prompts e resultados segundo sua política de usos proibidos de IA generativa. Quem quer vídeo sem restrições costuma recorrer a modelos de pesos abertos como Wan 2.2 ou HunyuanVideo, que podem rodar no próprio hardware.

Gerador de vídeo alternativo sem censura

O modelo oficial é moderado e não tem edição sem censura. Para cenas adultas fictícias (18+), como um clipe de biquíni na praia ou uma dança lenta em um loft à luz de velas, envie uma foto inicial na página de imagem para vídeo da Spicy AI e descreva o movimento que você quer.

Luxury perfume bottle on wet black stone, styled as a cinematic product commercial shotAbrir imagem para vídeo

Usar o Veo 3.1 oficial vs gerar na Spicy AI

Serviço oficialSpicy AI online
Filtragem de conteúdoPrompts e resultados filtrados pelo GoogleConteúdo adulto (18+) permitido
Pesos abertosNão, modelo fechadoNão se aplica, roda online
Modelo realmente usadoNível Standard, Fast ou LiteModelos de vídeo próprios da Spicy AI
PreçoAssinatura Google AI ou API paga por segundoGrátis para começar, créditos para mais
  • Oficial: áudio nativo, imagens de referência, quadro inicial e final e Extend no Gemini, no Flow e na API.
  • Spicy AI: comece com sua própria foto e anime-a no navegador.

Perguntas frequentes

Quem criou o Veo 3.1 e quando foi lançado?

O Google DeepMind o lançou em meados de outubro de 2025, junto com uma atualização da ferramenta de cinema Flow.

Qual a duração de um clipe?

Uma única geração vai até oito segundos. O Extend continua um clipe a partir do último instante, então várias extensões podem ser encadeadas em um vídeo mais longo.

Ele gera som?

Sim. Diálogos, efeitos sonoros e áudio ambiente são gerados junto com o vídeo, com movimento labial sincronizado às falas.

O que mudou em relação ao Veo 3?

Ele adiciona até três imagens de referência, controle de quadro inicial e final e o Extend com áudio, além de seguir os prompts com mais fidelidade ao partir de uma imagem. O preço de lançamento continuou o mesmo.

Posso usar de graça?

A Gemini API não tem nível gratuito. No app Gemini e no Flow, ele vem com os planos de assinatura Google AI, e algumas plataformas de terceiros oferecem créditos de teste.

Existe um Veo 3.1 sem censura?

Não. É um modelo fechado sem pesos abertos, e o Google filtra prompts e resultados. Modelos de vídeo de pesos abertos como o Wan 2.2 são o que as pessoas usam quando querem menos restrições.

A API ainda está disponível?

Segundo um aviso de terceiros, os IDs dos modelos de prévia na Gemini API foram desativados em 22 de outubro de 2026, com o Gemini Omni como sucessor sugerido. Confira a documentação do Google sobre a disponibilidade atual na Vertex AI.

Fontes

Ver todos os modelos de IA sem censura →

Veo, Gemini e Google são marcas registradas de seus respectivos proprietários. Todo o conteúdo deve retratar adultos (18+).

Sign in

Welcome to Spicy AI

or