AI 影片 · Google DeepMind

Veo 3.1:會說話、會動作、角色不走樣的電影感 AI 影片

問 AI ▾

Veo 3.1 是 Google DeepMind 的影片模型,能把一句話或幾張照片變成一段附帶原生配樂的電影感短片:對白、音效與背景環境音會和畫面一起生成。它於 2025 年 10 月中旬隨升級版 Flow 編輯器一同推出,為創作者帶來三種掌控鏡頭的新方式:讓角色或商品保持一致的參考圖片、決定片段起點與終點的首尾影格,以及讓故事超過一個鏡頭長度的 Extend。本指南將說明每項功能適合做什麼、在哪些領域正流行,並提供可直接複製的提示詞範本。

  • 原生對白與音效
  • 最多 3 張參考圖片
  • 首尾影格控制
把你的照片變成影片 →

聲音、故事與掌控力:創作者為何熱議這個模型

大多數 AI 影片工具只給你一段無聲片段,音訊得自己處理。Veo 3.1 則一次生成畫面與配樂,因此角色可以在雨聲、車流聲或音樂的襯托下,嘴型同步地說出台詞。正是這項改變,讓短劇創作者、廣告主與迷因帳號迅速採用:一個提示詞就能產出一段看起來已完成的 8 秒片段。

Google 於 2025 年 10 月推出這個模型,開放在 Gemini App、Google 的影片製作工具 Flow 中使用,開發者也能透過 Gemini API 與 Vertex AI 存取。每次生成可產出最長 8 秒、720p 或 1080p 的片段,後續更新加入了適合手機優先格式的原生直式 9:16 輸出,以及適合大螢幕的 4K。它是封閉模型:沒有可下載的權重,輸出內容帶有 Google 的隱形浮水印 SynthID。

從 Veo 3 到 Veo 3.1:你會注意到的升級

Veo 3 在 2025 年成為第一個被廣泛使用、能生成會說話且音畫同步影片的模型而登上新聞版面。3.1 更新保留了這項優勢,並把重點放在掌控力:發表時的報導強調了從圖片開始生成時更好的提示詞遵循度與畫質、更豐富的音訊,以及 Flow 中的新編輯工具。Google 也讓發表時的價格維持與 Veo 3 相同。

Veo 33.1 版
原生音訊對白、音效、環境音更豐富的音訊,Flow 編輯工具中也能使用
參考圖片不支援最多 3 張,用於角色、物件或風格
起始與結束影格不支援首尾影格之間自動生成過渡
更長的故事單一片段Extend 可連同音效延續片段
圖片轉影片良好更貼近提示詞,細節更銳利
格式橫式橫式、原生直式 9:16,後續新增 4K

Ingredients to Video:讓角色與商品保持一致

在 Veo 3.1 中,Ingredients to Video 讓你提供最多三張參考圖片,例如角色肖像、商品照片和場景,並生成一段融合它們的片段。與其祈禱同一張臉再次出現,不如直接給模型看。大多數系列內容都靠這項功能:每集長相完全相同的虛擬主持人、顏色始終不變的品牌吉祥物,或換場景也不會換裝的短劇主角。

想要最佳效果,請使用光線相近的參考圖片、讓主體清楚可見,並在提示詞中點名每個素材(「第一張圖片中的女子拿著第二張圖片中的瓶子」)。單一片段內的一致性很強;但在多段獨立片段之間仍可能出現細微偏移,所以每次都要重複使用同一組參考圖片。

首尾影格:揭曉、變身與轉場

在 Veo 3.1 中,Frames to Video 會根據一張起始圖片和一張結束圖片,生成兩者之間的動作,並附帶音效。這是製作療癒前後對比內容最簡單的方法:日常穿搭變成晚禮服、空房間逐漸擺滿家具、密封的盒子打開露出商品,或白天的街道漸漸入夜。

讓兩張影格保持相同構圖與光線,轉場會更自然;並在提示詞中描述中間過程,例如「鏡頭固定、閃光轉場、輕快音樂」。時尚創作者用它做穿搭揭曉,房地產與室內設計帳號用它做空間改造,電商團隊則用它拍開箱畫面。

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

用 Extend 突破 8 秒限制

Veo 3.1 單次生成最長 8 秒,足以呈現一個節拍,卻不夠撐起整場戲。Extend 透過從既有片段的最後一刻接續生成、延續動作與音訊來解決這個問題。串接多次延伸,就能得到 30 秒以上的段落,足夠做成一集直式短劇、一支故事型廣告或一段分鏡預覽。

把每次延伸規劃成一個動作:第一段鋪陳,下一段反應,第三段收尾。能在 8 秒內從容說完的短台詞,聽起來遠比說到一半被切斷的長篇對白自然。

Standard、Fast 或 Lite,以及直式與 4K

Veo 3.1 提供多個等級。Standard 是追求品質的最終鏡頭首選。Fast 以些微精緻度換取速度,常用於草稿與大量提示詞變化的批次測試。Lite 是最輕量、最實惠的等級,主打大量生成,不支援 4K。

生成前先決定格式。原生直式 9:16 適合 TikTok、Reels 與 Shorts,不會把人物頭部裁掉;16:9 則適合 YouTube 與預告片。4K 只用在你已經滿意的片段最終版本;用較低解析度打草稿能讓反覆調整更快。

  • Standard:主視覺鏡頭、廣告,以及任何會被近距離觀看的內容。
  • Fast:快速草稿、開場鉤子的 A/B 測試、大量社群短片。
  • Lite:最重視速度與成本的超大批次;不支援 4K。

Veo 3.1 正在爆紅的領域

由於聲音與畫面同時生成,這個模型很適合需要在短短幾秒內就讓人感覺完整的格式。以下是創作者最常回頭使用的場景:

  • 直式短劇:以參考圖片固定演員陣容,每段一句情緒台詞,再用 Extend 串成一集。
  • 電商商品廣告:緩慢環繞、微距特寫與開箱揭曉,搭配相應的叮聲或咻聲。
  • UGC 風格口播短片:自拍構圖、一句隨性的評價和自然光,適合社群廣告。
  • ASMR 與美食特寫:滋滋作響的鍋子、倒入杯中的飲料與酥脆口感,讓音效為畫面加分。
  • 電影感預告片與 MV 片段:氛圍燈光、戲劇性運鏡,以及恰到好處的配樂。
  • 迷因與短劇小品:8 秒內就能說出笑點台詞的快節奏喜劇。

Veo 3.1 提示詞指南:可直接複製的範本

可靠的結構是:鏡頭與運鏡,接著主體與動作,然後場景與光線,再來風格,最後音訊。把台詞放在引號中,每段只保留一個主要動作;如果不想要字幕,加上「no subtitles」,避免模型在畫面上畫出亂碼文字。把細節換成你自己的場景即可。

短劇

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.

商品廣告

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

首尾影格

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

UGC 評測

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

如何試用,以及是否免費

依你的身分不同,主要有三種使用途徑:

  1. 一般創作者:訂閱 Google AI 後,在 Gemini App 或 Flow 中生成片段;每月額度依方案而定。
  2. 開發者:透過 Gemini API 或 Vertex AI 呼叫模型。API 沒有免費方案;根據第三方公告,Gemini API 上的預覽版模型 ID 已於 2026 年 10 月 22 日停用,Google 引導開發者改用較新的 Gemini Omni 模型。
  3. 免費測試:部分第三方平台會發放試用點數,這是想免費使用的人最常走的路。

在以它為基礎打造產品前,請先查閱 Google 的影片與棄用說明文件,確認你所用平台上仍在提供哪些模型名稱。

創作者喜歡什麼,又希望哪裡更好

自發表以來,Veo 3.1 的評測對其優點看法大致一致:嘴型、音效與畫面緊密同步,光線逼真,運鏡感覺像經過導演安排而非隨機生成。參考圖片與首尾影格控制,是創作者說明自己為何從 Veo 3 轉過來時最常提到的功能。

抱怨也同樣一致:每次生成 8 秒感覺太短,嚴格的內容過濾有時會拒絕無害的提示詞,多段獨立片段之間角色仍可能走樣,大量使用則費用不低。仔細規劃鏡頭、先用較快的等級打草稿,是常見的應對方式。

Veo 3.1 對比 Sora 2、Kling 與無審查選項

與 OpenAI 的 Sora 2 相比,大家主要權衡的是參考控制與音訊品質;與 Kling 相比,重點則是片段長度,因為 Kling 3.0 單次生成可達 15 秒、Kling 4.0 最長可達 30 秒,而這個模型則仰賴 Extend。公平的比較方式,是用相同的提示詞與參考圖片分別跑每個工具,再評估一致性與聲音。

Veo 3.1 沒有無審查或 NSFW 版本。它是封閉模型,沒有開放權重,而且 Google 會依其生成式 AI 禁止使用政策,同時過濾提示詞與輸出內容。想要不受限制的影片的人,通常會改用 Wan 2.2 或 HunyuanVideo 等可在自己硬體上執行的開放權重模型。

無審查替代影片生成器

原廠模型設有內容審核,也沒有無審查版本。若想製作虛構的成人(18+)場景,例如比基尼海灘片段或燭光閣樓裡的慢舞,可以到 Spicy AI 的圖片轉影片頁面上傳一張起始照片,並描述你想要的動作。

Luxury perfume bottle on wet black stone, styled as a cinematic product commercial shot開啟圖片轉影片

使用官方 Veo 3.1 與在 Spicy AI 上生成的比較

官方服務Spicy AI 線上版
內容過濾提示詞與輸出由 Google 過濾允許成人(18+)內容
開放權重無,封閉模型不適用,線上執行
實際使用的模型Standard、Fast 或 Lite 等級Spicy AI 自家的影片模型
價格Google AI 訂閱或按秒計費的 API免費開始,更多用量需點數
  • 官方:在 Gemini、Flow 與 API 中提供原生音訊、參考圖片、首尾影格與 Extend。
  • Spicy AI:從你自己的照片開始,直接在瀏覽器中讓它動起來。

常見問題

Veo 3.1 是誰開發的?何時推出?

由 Google DeepMind 於 2025 年 10 月中旬推出,同時更新了 Flow 影片製作工具。

單一片段最長可以多長?

單次生成最長 8 秒。Extend 會從片段的最後一刻接續生成,因此可以串接多次延伸,做成更長的影片。

它會生成聲音嗎?

會。對白、音效與環境音會和影片一起生成,嘴型也會與台詞同步。

和 Veo 3 相比有什麼改變?

新增最多三張參考圖片、首尾影格控制,以及帶音訊的 Extend,從圖片開始生成時也更貼近提示詞。發表時的價格維持不變。

可以免費使用嗎?

Gemini API 沒有免費方案。在 Gemini App 與 Flow 中,它包含在 Google AI 訂閱方案內,部分第三方平台也提供試用點數。

有無審查版的 Veo 3.1 嗎?

沒有。它是沒有開放權重的封閉模型,Google 會過濾提示詞與輸出內容。想要較少限制的人,會使用 Wan 2.2 等開放權重影片模型。

API 還能用嗎?

根據第三方公告,Gemini API 上的預覽版模型 ID 已於 2026 年 10 月 22 日停用,建議的後繼者是 Gemini Omni。Vertex AI 目前的可用情況請查閱 Google 的說明文件。

資料來源

瀏覽所有無審查 AI 模型 →

Veo、Gemini 與 Google 均為其各自所有者的商標。所有內容必須描繪成年人(18+)。

Sign in

Welcome to Spicy AI

or