Video AI · Google DeepMind

Veo 3.1: Video AI điện ảnh biết nói, chuyển động và giữ đúng nhân vật

Hỏi AI ▾

Veo 3.1 là mô hình video của Google DeepMind, biến một câu mô tả hoặc vài bức ảnh thành một clip ngắn mang chất điện ảnh với nhạc nền riêng: lời thoại, hiệu ứng âm thanh và âm thanh môi trường được tạo cùng lúc với hình ảnh. Ra mắt vào giữa tháng 10 năm 2025 cùng trình chỉnh sửa Flow được nâng cấp, mô hình mang đến cho nhà sáng tạo ba cách mới để điều khiển cảnh quay: ảnh tham chiếu giữ cho nhân vật hoặc sản phẩm nhất quán, khung hình đầu và cuối xác định điểm bắt đầu và kết thúc của clip, và Extend cho những câu chuyện dài hơn một cảnh quay. Hướng dẫn này giải thích mỗi tính năng phù hợp với việc gì, đang được ưa chuộng ở đâu, kèm các mẫu prompt bạn có thể sao chép ngay.

  • Lời thoại và âm thanh gốc
  • Tối đa 3 ảnh tham chiếu
  • Khung hình đầu và cuối
Biến ảnh của bạn thành video →

Âm thanh, câu chuyện và khả năng kiểm soát: Vì sao nhà sáng tạo bàn tán về mô hình này

Hầu hết công cụ video AI chỉ cho bạn một clip câm và để phần âm thanh cho bạn tự lo. Veo 3.1 tạo hình ảnh và nhạc nền trong một lần, nên nhân vật có thể nói một câu thoại với khẩu hình khớp trong khi tiếng mưa, xe cộ hay âm nhạc vang lên phía sau. Chính thay đổi này là lý do các nhà làm phim ngắn, nhà quảng cáo và tài khoản meme nhanh chóng sử dụng nó: một khoảnh khắc tám giây trông như thành phẩm ra đời chỉ từ một prompt.

Google phát hành mô hình vào tháng 10 năm 2025 và cung cấp nó trong ứng dụng Gemini, trong Flow (công cụ làm phim của Google), và cho nhà phát triển qua Gemini API và Vertex AI. Mỗi lần tạo cho ra một clip dài tối đa tám giây ở độ phân giải 720p hoặc 1080p, và các bản cập nhật sau đó bổ sung định dạng dọc 9:16 gốc cho nền tảng ưu tiên điện thoại cùng 4K cho màn hình lớn. Đây là mô hình đóng: không có trọng số để tải về, và đầu ra mang hình mờ vô hình SynthID của Google.

Từ Veo 3 lên Veo 3.1: Những nâng cấp bạn sẽ nhận thấy

Veo 3 gây chú ý năm 2025 khi là mô hình phổ biến đầu tiên tạo được video biết nói với âm thanh khớp hình. Bản cập nhật 3.1 giữ thế mạnh đó và tập trung vào khả năng kiểm soát: các bài viết lúc ra mắt nhấn mạnh việc bám sát prompt và chất lượng hình ảnh tốt hơn khi bắt đầu từ một bức ảnh, âm thanh phong phú hơn và các công cụ chỉnh sửa mới trong Flow. Google cũng giữ nguyên mức giá như Veo 3 khi ra mắt.

Veo 3Phiên bản 3.1
Âm thanh gốcLời thoại, hiệu ứng, âm thanh môi trườngÂm thanh phong phú hơn, có cả trong công cụ chỉnh sửa của Flow
Ảnh tham chiếuKhông cóTối đa 3 ảnh cho nhân vật, đồ vật hoặc phong cách
Khung hình bắt đầu và kết thúcKhông cóKhung hình đầu và cuối với chuyển cảnh được tạo tự động
Câu chuyện dài hơnTừng clip riêng lẻExtend nối tiếp clip, kèm âm thanh
Ảnh thành videoTốtSát prompt hơn, chi tiết sắc nét hơn
Định dạngNgangNgang, dọc 9:16 gốc, 4K được bổ sung sau

Ingredients to Video: Giữ nhân vật và sản phẩm nhất quán

Trong Veo 3.1, Ingredients to Video cho phép bạn đưa cho mô hình tối đa ba ảnh tham chiếu, ví dụ chân dung nhân vật, ảnh sản phẩm và một địa điểm, rồi nhận về một clip kết hợp tất cả. Thay vì hy vọng cùng một khuôn mặt xuất hiện hai lần, bạn chỉ cần cho mô hình thấy. Đây là tính năng đứng sau phần lớn nội dung dạng series: một người dẫn ảo trông giống hệt nhau qua mọi tập, một linh vật thương hiệu giữ nguyên màu sắc, hay nữ chính phim ngắn có trang phục không thay đổi giữa các cảnh.

Để có kết quả tốt nhất, hãy dùng ảnh tham chiếu chụp trong điều kiện ánh sáng tương tự, giữ chủ thể hiện rõ, và gọi tên từng thành phần trong prompt (“người phụ nữ ở ảnh thứ nhất cầm chiếc chai ở ảnh thứ hai”). Độ nhất quán trong một clip rất cao; qua nhiều clip riêng lẻ vẫn có thể xảy ra sai lệch nhỏ, vì vậy hãy dùng lại cùng bộ ảnh tham chiếu mỗi lần.

Khung hình đầu và cuối: Hé lộ, lột xác và chuyển cảnh

Trong Veo 3.1, Frames to Video nhận một ảnh bắt đầu và một ảnh kết thúc rồi tự tạo chuyển động ở giữa, kèm cả âm thanh. Đây là cách dễ nhất để làm nội dung trước–sau đầy thỏa mãn: bộ đồ thường ngày biến thành váy dạ hội, căn phòng trống dần đầy nội thất, chiếc hộp đóng kín mở ra để lộ sản phẩm, hay con phố ban ngày chuyển dần sang đêm.

Giữ hai khung hình cùng bố cục và ánh sáng để chuyển cảnh trông tự nhiên, và mô tả phần ở giữa trong prompt, chẳng hạn “máy quay cố định, chuyển cảnh lấp lánh, nhạc sôi động”. Nhà sáng tạo thời trang dùng nó để khoe trang phục, tài khoản bất động sản và nội thất dùng để lột xác căn phòng, còn đội ngũ thương mại điện tử dùng cho cảnh mở hộp.

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

Vượt quá 8 giây với Extend

Một lần tạo với Veo 3.1 dài tối đa tám giây, đủ cho một nhịp nhưng không đủ cho cả một cảnh. Extend giải quyết điều này bằng cách tiếp nối từ khoảnh khắc cuối của clip có sẵn, mang hành động và âm thanh đi tiếp. Nối nhiều lần mở rộng, bạn sẽ có một chuỗi dài 30 giây trở lên, đủ cho một tập phim dọc, một quảng cáo dạng câu chuyện hoặc bản xem trước storyboard.

Hãy lên kế hoạch mỗi lần mở rộng là một hành động: clip đầu dẫn dắt, clip tiếp theo phản ứng, clip thứ ba giải quyết. Những câu thoại ngắn nằm gọn trong tám giây nghe tự nhiên hơn nhiều so với những đoạn nói dài bị cắt giữa chừng.

Standard, Fast hay Lite, cùng định dạng dọc và 4K

Veo 3.1 có nhiều cấp độ. Standard là lựa chọn chất lượng cho cảnh quay cuối cùng. Fast đánh đổi một chút độ trau chuốt lấy tốc độ, được ưa chuộng để làm bản nháp và thử hàng loạt nhiều biến thể prompt. Lite là cấp nhẹ và rẻ nhất, dành cho khối lượng công việc lớn, và không hỗ trợ 4K.

Hãy chọn định dạng trước khi tạo. Dọc 9:16 gốc phù hợp với TikTok, Reels và Shorts mà không bị cắt mất đầu, còn 16:9 hợp với YouTube và trailer. Chỉ dùng 4K cho phiên bản cuối của clip bạn đã ưng ý; làm nháp ở độ phân giải thấp hơn giúp lặp lại nhanh.

  • Standard: cảnh quay chủ đạo, quảng cáo và mọi thứ sẽ được xem cận cảnh.
  • Fast: bản nháp nhanh, thử nghiệm A/B phần mở đầu, clip mạng xã hội số lượng lớn.
  • Lite: những lô lớn nhất, nơi tốc độ và chi phí quan trọng nhất; không có 4K.

Veo 3.1 đang bùng nổ ở đâu

Vì âm thanh và hình ảnh đến cùng lúc, mô hình phù hợp với những định dạng mà vài giây phải tạo cảm giác trọn vẹn. Đây là những cảnh nhà sáng tạo quay lại nhiều nhất:

  • Phim ngắn dọc: dàn nhân vật cố định từ ảnh tham chiếu, mỗi clip một câu thoại cảm xúc, nối thành tập bằng Extend.
  • Quảng cáo sản phẩm thương mại điện tử: quay vòng chậm, cận cảnh macro và cảnh mở hộp hé lộ kèm tiếng chuông hoặc tiếng vút phù hợp.
  • Clip nói chuyện phong cách UGC: góc selfie, một câu nhận xét tự nhiên và ánh sáng ban ngày cho quảng cáo mạng xã hội.
  • ASMR và cận cảnh đồ ăn: chảo xèo xèo, đồ uống được rót và kết cấu giòn rụm, nơi âm thanh làm nên sức hút của cảnh quay.
  • Trailer điện ảnh và đoạn video ca nhạc: ánh sáng giàu cảm xúc, chuyển động máy quay kịch tính và nhạc nền ăn khớp.
  • Meme và tiểu phẩm: những nhịp hài nhanh với câu chốt được nói ra, gây cười trong chưa đầy tám giây.

Hướng dẫn prompt Veo 3.1: Các mẫu bạn có thể sao chép

Một cấu trúc đáng tin cậy là: máy quay và chuyển động, rồi chủ thể và hành động, rồi bối cảnh và ánh sáng, rồi phong cách, rồi âm thanh. Đặt lời thoại trong dấu ngoặc kép, giữ một hành động chính cho mỗi clip, và nếu không muốn phụ đề, hãy thêm "no subtitles" để mô hình không vẽ chữ méo mó lên màn hình. Thay các chi tiết bằng cảnh của riêng bạn.

Phim ngắn

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.

Quảng cáo sản phẩm

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

Khung hình đầu và cuối

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

Đánh giá UGC

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

Cách dùng thử và liệu có miễn phí không

Có ba cách chính, tùy bạn là ai:

  1. Nhà sáng tạo thông thường: tạo clip trong ứng dụng Gemini hoặc trong Flow với gói đăng ký Google AI; hạn mức hàng tháng tùy thuộc vào gói của bạn.
  2. Nhà phát triển: gọi mô hình qua Gemini API hoặc Vertex AI. API không có gói miễn phí, và theo một thông báo của bên thứ ba, các ID mô hình preview trên Gemini API đã ngừng hoạt động vào ngày 22 tháng 10 năm 2026, với việc Google hướng nhà phát triển sang các mô hình Gemini Omni mới hơn.
  3. Dùng thử miễn phí: một số nền tảng bên thứ ba tặng tín dụng dùng thử, đây là con đường quen thuộc của những người tìm cách truy cập miễn phí.

Trước khi xây dựng sản phẩm dựa trên nó, hãy kiểm tra tài liệu về video và ngừng hỗ trợ của Google để biết tên mô hình nào vẫn còn được cung cấp trên nền tảng của bạn.

Điều nhà sáng tạo yêu thích và điều họ mong được cải thiện

Các đánh giá về Veo 3.1 kể từ khi ra mắt thường thống nhất về điểm mạnh: đồng bộ chặt chẽ giữa khẩu hình, hiệu ứng và hình ảnh, ánh sáng chân thực, và chuyển động máy quay có chủ đích chứ không ngẫu nhiên. Ảnh tham chiếu và điều khiển khung hình đầu–cuối là những tính năng nhà sáng tạo nhắc đến khi giải thích vì sao họ chuyển từ Veo 3.

Những lời phàn nàn cũng nhất quán không kém. Tám giây mỗi lần tạo có vẻ ngắn, bộ lọc nội dung nghiêm ngặt đôi khi từ chối cả prompt vô hại, nhân vật vẫn có thể bị lệch qua nhiều clip riêng lẻ, và dùng nhiều thì tốn kém. Lên kế hoạch cảnh quay cẩn thận và làm nháp ở các cấp nhanh hơn là cách khắc phục thường gặp.

Veo 3.1 so với Sora 2, Kling và các lựa chọn không kiểm duyệt

So với Sora 2 của OpenAI, điểm khác biệt chính mà mọi người cân nhắc là khả năng kiểm soát bằng tham chiếu và chất lượng âm thanh; so với Kling là độ dài clip, vì Kling 3.0 đạt 15 giây và Kling 4.0 tới 30 giây trong một lần tạo, trong khi mô hình này dựa vào Extend. Cách so sánh công bằng là chạy cùng một prompt và cùng ảnh tham chiếu qua từng công cụ rồi đánh giá độ nhất quán và âm thanh.

Không có phiên bản không kiểm duyệt hay NSFW nào của Veo 3.1. Đây là mô hình đóng, không có trọng số mở, và Google lọc cả prompt lẫn đầu ra theo chính sách sử dụng bị cấm đối với AI tạo sinh. Những ai muốn video không giới hạn thường chuyển sang các mô hình trọng số mở như Wan 2.2 hoặc HunyuanVideo có thể chạy trên phần cứng của chính mình.

Trình tạo video thay thế không kiểm duyệt

Mô hình chính thức có kiểm duyệt và không có phiên bản không kiểm duyệt. Với các cảnh người lớn hư cấu (18+), chẳng hạn clip bikini trên bãi biển hay điệu nhảy chậm trong căn gác dưới ánh nến, hãy tải ảnh khởi đầu lên trang chuyển ảnh thành video của Spicy AI và mô tả chuyển động bạn muốn.

Luxury perfume bottle on wet black stone, styled as a cinematic product commercial shotMở ảnh thành video

Dùng Veo 3.1 chính thức so với tạo video trên Spicy AI

Dịch vụ chính thứcSpicy AI trực tuyến
Lọc nội dungPrompt và đầu ra bị Google lọcCho phép nội dung người lớn (18+)
Trọng số mởKhông, mô hình đóngKhông áp dụng, chạy trực tuyến
Mô hình thực sự được dùngCấp Standard, Fast hoặc LiteCác mô hình video riêng của Spicy AI
GiáGói đăng ký Google AI hoặc API tính phí theo giâyBắt đầu miễn phí, dùng tín dụng để tạo thêm
  • Chính thức: âm thanh gốc, ảnh tham chiếu, khung hình đầu–cuối và Extend trong Gemini, Flow và API.
  • Spicy AI: bắt đầu từ ảnh của chính bạn và tạo chuyển động ngay trên trình duyệt.

Câu hỏi thường gặp

Ai tạo ra Veo 3.1 và ra mắt khi nào?

Google DeepMind phát hành vào giữa tháng 10 năm 2025, cùng với bản cập nhật cho công cụ làm phim Flow.

Một clip có thể dài bao lâu?

Một lần tạo dài tối đa tám giây. Extend nối tiếp clip từ khoảnh khắc cuối, nên có thể nối nhiều lần mở rộng thành một video dài hơn.

Nó có tạo âm thanh không?

Có. Lời thoại, hiệu ứng âm thanh và âm thanh môi trường được tạo cùng với video, với khẩu hình khớp theo lời nói.

Có gì thay đổi so với Veo 3?

Nó bổ sung tối đa ba ảnh tham chiếu, điều khiển khung hình đầu và cuối, Extend kèm âm thanh, và bám sát prompt hơn khi bắt đầu từ một bức ảnh. Giá lúc ra mắt vẫn giữ nguyên.

Tôi có thể dùng miễn phí không?

Gemini API không có gói miễn phí. Trong ứng dụng Gemini và Flow, mô hình đi kèm các gói đăng ký Google AI, và một số nền tảng bên thứ ba cung cấp tín dụng dùng thử.

Có Veo 3.1 không kiểm duyệt không?

Không. Đây là mô hình đóng, không có trọng số mở, và Google lọc prompt cũng như đầu ra. Khi muốn ít hạn chế hơn, mọi người dùng các mô hình video trọng số mở như Wan 2.2.

API còn khả dụng không?

Theo một thông báo của bên thứ ba, các ID mô hình preview trên Gemini API đã ngừng hoạt động vào ngày 22 tháng 10 năm 2026, với Gemini Omni là mô hình kế nhiệm được đề xuất. Hãy kiểm tra tài liệu của Google để biết tình trạng khả dụng hiện tại trên Vertex AI.

Nguồn

Xem tất cả mô hình AI không kiểm duyệt →

Veo, Gemini và Google là nhãn hiệu của các chủ sở hữu tương ứng. Mọi nội dung phải mô tả người trưởng thành (18+).

Sign in

Welcome to Spicy AI

or