视频模型 · 开发者：Google DeepMind
Veo 3.1 是 Google DeepMind 的视频模型，可生成最长 8 秒的横屏或竖屏片段，带声音，包括对白。在 DreamBench 上，你可以把提示词粘贴到“视频”页面，原样生成一个片段；也可以描述一整部影片，由 Veo 3.1 生成每个场景，任意场景都能重做。
Veo 3.1：Plus、Ultra 和 Studio 套餐可用；Veo 3.1 Fast 和 Veo 3.1 Lite：所有套餐均可使用 · 发布于 2025年10月
从提示词开始
为 Veo 3.1 写一条提示词，选择画面比例、时长、画质和声音，在生成之前就能看到这个视频确切会消耗多少积分。
一条 Veo 3.1 提示词包含哪些部分，逐一说明。 勾选只是对你输入内容的简单检查，并不保证视频的最终效果。
画幅和时长 — 由设置决定
由画面比例和时长选项决定。
场景及台词 — 已在提示词中
能听到什么 — 已在提示词中
光线 — 小贴士
光源和它所在的一侧，以及哪些部分落入阴影，这样 Veo 就不会从正面把场景照得很扁平。
用电影术语描述镜头 — 小贴士
画面风格，以及不要出现文字 — 小贴士
同一提示词的 JSON 版本 — 小贴士
引号中的内容会被当作有人说的话。
如何写 Veo 3.1 提示词一个在 DreamBench 上用 Veo 3.1 制作的视频，以及生成它的确切提示词。
1080P · 16:9 · 15S · 声音
Underwater at sunrise: light shafts sweep across a coral reef as a sea turtle glides through a school of silver fish that parts around it like a curtain. A ray lifts from the sand in a slow wingbeat of silt. The turtle rises toward the glittering surface and breaks it into the sun. Muffled underwater ambience, then one clear breath.
时长指的是整个视频：DreamBench 会规划场景，用 Veo 3.1 生成每个场景并拼接起来。点击“用 Veo 3.1 创作”，会打开 Film Studio，并带上你的提示词和所有设置。
示例
已发布的模板，每个都附有生成它的提示词。可以直接使用，也可以改成你自己的版本。
Underwater at sunrise: light shafts sweep across a coral reef as a sea turtle glides through a school of silver fish that parts around it like a curtain. A ray lifts from the sand in a slow wingbeat of silt. The turtle rises toward the glittering surface and breaks it into the sun. Muffled underwater ambience, then one clear breath.
Security camera footage from a fixed porch camera at night — grainy black-and-white infrared, a wide fisheye view of a front door, two steps and a delivered parcel, a timestamp in the top corner reading exactly "02:14:37". Nothing moves. Then a raccoon waddles into frame from the left, sniffs the parcel, looks straight up at the camera with glowing eyes, and drags the box off the step one determined tug at a time. The camera never moves; the picture stays low-resolution, noisy and slightly stuttering. No music — the hum of the night and the scrape of cardboard on concrete.
优势
对白、音效和环境音都随画面一同生成，所以砰的关门声、一句台词或远处滚滚的雷声，都会与动作同步。
Veo 3.1 追求逼真的光线和质感，并能理解电影语言，因此提示词可以指定景别、镜头焦段、运镜和影片的画面风格。
每个版本都能生成适合宽屏的 16:9 和适合手机的 9:16，分辨率 720p 或 1080p，完整版模型还能生成 4K，所以一个模型就能兼顾预告片和竖屏社交短片。
在 DreamBench 上，你可以把提示词原样发送给 Veo 3.1 生成单个片段，也可以让 DreamBench 根据你的想法规划一部影片，每个场景都用上你的参考图，任意场景都能重做。
概览
单次生成的最长片段
DreamBench 上的最长视频
取决于你的套餐
最高分辨率
720p、1080p 和 4K
画面比例
16:9 和 9:16
声音
每个片段都会生成
模型简介
Veo 3.1 是 Google DeepMind 推出的视频模型，于 2025 年 10 月发布，面向电影人和讲故事的创作者。每次生成一个 4、6 或 8 秒的片段，可选横屏（16:9）或竖屏（9:16），模型会随画面一同生成声音：对白、音效和环境音。它可以根据文字提示词、一张图片，或角色、物体、地点的参考图来生成。
据 Google 介绍，Veo 3.1 在 Veo 3 的基础上带来了更丰富的声音、更真实的质感，对提示词的遵循也更紧密；提供参考图时，角色和环境在场景之间都能保持一致。2026 年 1 月，Google 新增了 4K，并提升了 1080p 的清晰度，两者均借助画质增强技术生成。这个系列共有 3 个版本：Veo 3.1 本身和 Veo 3.1 Fast（自 2025 年 11 月起在 Google Cloud 上正式可用），以及 2026 年 3 月新增的 Veo 3.1 Lite。3 个版本都能生成声音，不过 Google 表示，自然、一致的语音（尤其是短句）仍在改进中，而且它只全面支持英文提示词。
要在 DreamBench 上使用 Veo 3.1，可以在“视频”页面选择它并粘贴提示词：DreamBench 会把提示词原样发送给模型，返回一个片段。也可以在 Film Studio 中选择它，描述你想要的视频，有参考图的话一并添加：DreamBench 会编写场景规划，由 Veo 3.1 生成每个场景，再把片段拼接成一个视频。如果某个场景不理想，给它新的指示，只重新生成那个场景。
Google DeepMind 的更多模型：Google DeepMind 上的 Veo 3.1
版本
Google 将完整版模型定位于画质优先的成片制作。它是接收你的参考设定图的版本，也是唯一能生成 4K 的版本。制作视频的最终版本时，选它并搭配 1080p 或 4K。
Google 打造 Fast 版本，用于广告、社交媒体内容和创意的快速测试。制作 720p 或 1080p 的产品片段、竖屏帖子和初稿时，可以选它。
Google 打造 Lite 版本，用于快速尝试想法和批量制作视频。在打磨提示词之前，想先看看它的效果，或要制作大量短片段时，可以选它。
详细信息
在 DreamBench 上用它生成视频，你能得到这些。一个视频的每个场景都由同一个模型生成。
| 开发者 | Google DeepMind |
|---|---|
| 最长片段 | 每次生成 8 秒 |
| DreamBench 上的视频时长 | 最长 30 秒（Starter）、2 分钟（Plus）和 5 分钟（Ultra 和 Studio） |
| 分辨率 | 720p、1080p 和 4K（Plus、Ultra 和 Studio 可用 4K） |
| 画面比例 | 16:9 和 9:16 |
| 声音 | 始终开启：每个片段都会生成声音 |
| 参考图 | 每个视频最多 8 张；前 4 张包含在内，之后每张 43 积分 |
| 套餐 | Veo 3.1：Plus、Ultra 和 Studio 套餐可用；Veo 3.1 Fast 和 Veo 3.1 Lite：所有套餐均可使用 |
| 积分 | 每秒 39 积分（720p）、每秒 91 积分（1080p）和每秒 133 积分（4K），每个视频另加 183 积分 |
一个 15 秒、720p、带声音的视频消耗 768 积分。生成前，你都能看到确切费用。
一个 Veo 3.1 视频，按创作面板的计价方式估算。
768积分
Plus 套餐起可用。Plus 套餐每月的 4,400 积分大约可以生成 5 个这样的视频。生成前，你都能看到确切费用。
并排对比
Veo 3.1 与人们常拿来比较的几款模型并排列出，均以它们在 DreamBench 上的运行情况为准。每个单元格的数据都与上方规格表出自同一组表格。
| 模型 | 最长片段 | 分辨率 | 声音 | 画面比例 | 套餐 |
|---|---|---|---|---|---|
| Veo 3.1Google DeepMind | 最长 8 秒 | 720p、1080p、4K | 始终开启 | 16:9、9:16 | Veo 3.1：Plus、Ultra 和 Studio 套餐可用；Veo 3.1 Fast 和 Veo 3.1 Lite：所有套餐均可使用 |
| Kling 3.0Kling AI | 最长 15 秒 | 720p、1080p | 可开可关 | 1:1、16:9、9:16、4:3、21:9 | 所有套餐 |
| Seedance 2.5ByteDance Seed | 最长 30 秒 | 480p、720p、1080p | 可开可关 | 1:1、16:9、9:16、4:3、21:9 | 所有套餐 |
| Seedance 2.0ByteDance Seed | 最长 15 秒 | 720p、1080p、4K | 可开可关 | 1:1、16:9、9:16、4:3、21:9 | 所有套餐 |
使用方法
第 1 步
在创作面板中选择 Veo 3.1，或在本页点击“用 Veo 3.1 创作”。
第 2 步
写下应该发生什么，或从模板开始。为你想出现的角色、产品或地点添加参考图。
第 3 步
DreamBench 会规划场景、设计角色和地点，用 Veo 3.1 生成每个场景并拼接起来。然后修改你想改进的场景，其余保持不变。
提示词灵感
从其中一个开始，随意修改。
横屏 16:9，一个 8 秒的镜头。35mm 镜头拍中近景，缓慢推镜。午夜，一位身穿藏青色大衣、头戴大檐帽的老站务员站在空荡荡的站台上，朝一位跑下台阶的年轻女子举起提灯，喊道：“姑娘，你得抓紧了。车可不等人。”雨丝飘过站台上昏黄的灯光；湿漉漉的地砖闪着光。温暖的钠灯光映衬着深蓝色的阴影，柔和的胶片颗粒。SFX: 湿石地上匆忙的脚步声，车门嘶的一声打开。Ambient noise: 雨落在雨棚上，列车引擎怠速运转。
横屏 16:9，一个 6 秒的产品镜头。在桌面高度缓慢环绕，微距镜头，浅景深。一副哑光鼠尾草绿的无线耳机在白色展台上旋转；镜头滑过拉丝金属转轴，移到柔软的皮质耳垫，一束光扫过素净的耳罩。干净的影棚布景，浅灰色背景，清晰的柔光箱光线，表面带着柔和的反光。SFX: 头梁拉伸时轻轻的机械咔哒声。Ambient noise: 影棚里安静的嗡嗡声。
横屏 16:9，一个 8 秒的镜头。固定机位的野生动物镜头，使用长焦镜头，机位与水面齐平。一只翠鸟栖在缓缓流淌的河面上方一根长满青苔的树枝上，点了点头，随即俯冲入水；它叼着一条银色小鱼破水而出，落回同一根树枝，蓝橙相间的羽毛上挂着水珠。清晨，水面上笼着薄雾，阳光透过柳叶洒下，自然的纪录片色彩。SFX: 清脆的入水声，翅膀扑腾声。Ambient noise: 河水潺潺，树林里的鸟鸣。
竖屏 9:16，一个 6 秒的镜头。从锅的正上方拍大特写，然后快速上摇。一位街头厨师在一口熏黑的炒锅里颠炒面条、大虾和葱段；一团火焰沿着锅边腾起，面条划出一道弧线，又落回锅中。夜市小摊，一串串裸露的灯泡，蒸汽和烟雾映着灯光，浓郁的暖色调。SFX: 炉火的轰鸣，热油噼啪作响，金属锅铲刮过炒锅。Ambient noise: 熙熙攘攘的夜市人群。
横屏 16:9，一个 8 秒的镜头。在骑手身侧低机位跟拍，然后镜头放慢，让她骑到前面去。一位穿红色骑行服的公路车手站在踏板上，冲上山村里一条陡峭的鹅卵石小巷，车身左右摇摆；观众从两侧探身，鼓掌高喊为她加油。阴天的春日午后，湿漉漉的鹅卵石，房屋之间挂着一串串旗子，有冲击力的纪实体育风格。SFX: 轮胎在石头上颠簸作响，粗重的喘息，一声铃响。Ambient noise: 路边欢呼的人群。
适合手机屏幕的竖屏 9:16，一个 8 秒的镜头。手持自拍构图，手臂伸直的距离，画面轻轻晃动。一位穿芥末黄开衫的植物店店主举起一小盆蕨类植物，对着镜头微笑着说：“从底部浇水。相信我，它最喜欢这样。”她把花盆浸进身后的一盘水里。明亮温馨的小店里摆满了植物，柔和的窗光，自然的手机拍摄质感。她的声音贴近麦克风。Ambient noise: 店门铃声，轻声交谈，喷壶细细的流水声。
横屏 16:9，一个 8 秒的定格黏土动画风格镜头，帧率略带顿挫，黏土上能看到指纹。一间小小厨房的中景。一只系着条纹围裙的黏土狐狸从砖砌烤炉里取出一个圆面包，闻了闻，宣布：“完美。简直完美。”一只黏土老鼠从桌边探出头来。温暖的手工布景，毛毡窗帘，烤炉发出橙色的光。SFX: 炉门吱呀作响，面包皮噼啪开裂，老鼠吱的一声。Ambient noise: 烤炉里的火噼啪作响。
横屏 16:9，一个 8 秒的双人镜头，固定机位，与柜台同高。在一家小小的钟表修理铺里，额头上架着放大镜的老钟表匠隔着柜台，把一块金色怀表递给一位年轻男子。年轻男子问：“它走得准吗？”钟表匠笑着回答：“比我们俩都准。”午后的阳光透过落满灰尘的玻璃照进来，墙上挂着成百上千只钟，温暖的棕色调，浅景深。SFX: 表盖啪地合上。Ambient noise: 几十只钟滴答作响。
横屏 16:9，一个 8 秒的划桨者第一人称视角（POV）镜头，广角镜头，画面中有黄色皮划艇的船头和一支桨。船桨左右交替入水，皮划艇从明亮的阳光下滑入幽暗的海蚀洞；光影在岩石洞顶上跳动，海水变成翡翠绿，洞穴前方豁然通向一片隐秘的海滩。清澈的碧绿海水，石灰岩峭壁，自然的探险电影质感。SFX: 船桨击水声，水滴在岩石间回响。Ambient noise: 海浪拍打洞壁。
横屏 16:9，一个 4 秒的定场镜头。摇臂从屋顶高度缓缓降到街面。雨后夜晚一条狭窄的城市街道：红色和青色的霓虹招牌倒映在水洼里，一个穿长大衣的孤独身影撑着伞走过，一处格栅冒出蒸汽。阴郁的黑色电影布光，深重的阴影，湿漉漉的光亮表面，变形宽银幕镜头光晕。SFX: 踩水的脚步声，远处的警笛声。Ambient noise: 雨水从遮阳篷上滴落，车流低沉的嗡嗡声。
还有疑问？
Veo 3.1 是 Google DeepMind 推出的视频模型，于 2025 年 10 月发布。它可以根据文字、一张图片或参考图，生成 4、6 或 8 秒的横屏（16:9）或竖屏（9:16）片段，对白、音效和环境音都随画面一同生成。它有 3 个版本：Veo 3.1、Veo 3.1 Fast 和 Veo 3.1 Lite，这 3 个版本 DreamBench 上都有。
有 2 种方式。在“视频”页面，选择 Veo 3.1、Fast 或 Lite，粘贴提示词，选择 16:9 或 9:16、时长和分辨率，DreamBench 就会把提示词原样发送给模型，生成一个片段。在 Film Studio 中，则可以描述一整个视频：DreamBench 编写场景规划，由 Veo 3.1 生成每个场景，再拼接起来，任意场景都可以重做，其余保持不变。
Veo 3.1 按积分计费：每秒视频有一个费率，另加每个视频的基础积分。费率取决于版本和分辨率，Lite 的 720p 最低，完整版模型的 4K 最高，并且始终包含声音。积分随付费订阅提供，不需要 Google 账号或 API 密钥。本页表格列出了当前费率，生成前你都能看到确切费用。
它们是 Google Veo 3.1 系列的 3 个版本，3 个版本都能生成 16:9 或 9:16 的带声音视频。Google 把完整版模型用于成片制作，Fast 用于广告和快速测试，Lite 用于批量制作。在 DreamBench 上，完整版模型生成 1080p 和 4K，并接收你的参考设定图，720p 则在 Fast 上运行；Fast 和 Lite 生成 720p 和 1080p，并让 DreamBench 为每个场景制作的首帧动起来。
Google 表示，Veo 3.1 在 Veo 3 的基础上带来了更丰富的声音、更真实的质感，对提示词的遵循更紧密，从图片开始生成时效果也更好。它还能接收角色、物体和地点的参考图，Google 称之为 ingredients（素材）；从 2026 年 1 月起，它还提供 4K 和更清晰的 1080p。Veo 3.1 还新增了 Fast 和 Lite 版本。DreamBench 运行的是 Veo 3.1，而不是 Veo 3。
在全部 3 个版本上，一个 Veo 3.1 片段的时长都是 4、6 或 8 秒。在 DreamBench 的“视频”页面，这一个片段就是整个视频。在 Film Studio 中，一个视频由多个片段组成：DreamBench 规划场景，用 Veo 3.1 生成每个场景，再拼接起来，Starter 最长 30 秒，Plus 为 2 分钟，Ultra 和 Studio 为 5 分钟。在 Google 自己的工具中，片段还可以延长。
Veo 3.1 可生成 720p、1080p 和 4K；在 DreamBench 上，720p 在 Veo 3.1 Fast 上运行，1080p 和 4K 在完整版模型上运行，完整版也是唯一支持 4K 的版本。Fast 和 Lite 生成 720p 和 1080p。Google 表示，2026 年 1 月新增的 4K 和更清晰的 1080p 是借助画质增强技术生成的，所以 4K 是在该尺寸上经过增强的画面。初稿选 720p，成片选 1080p 或 4K。
2 种：横屏 16:9 和竖屏 9:16，3 个版本都支持。16:9 适合 YouTube、预告片和演示；9:16 是 TikTok、Reels 和 YouTube Shorts 的格式。Veo 3.1 不生成方形或电影宽银幕画幅，需要这些画幅时，请在 DreamBench 上选择其他模型。你可以在创作面板中选择画面比例，或者在提示词开头写“竖屏 9:16”或“横屏”，DreamBench 就会帮你设置好。
能，而且始终都会生成。3 个版本的每个 Veo 3.1 片段都会连同声音一起生成，无论是对白、音效还是环境音，而且无法关闭。除了描述该看到什么，也要描述该听到什么，在写完画面之后用单独的句子来写。Google 表示，自然、一致的语音（尤其是短句）仍在改进中，所以要在镜头里给每句台词留出空间。
把每句台词交给一位指明的说话人，并把台词放在引号里，例如：站务员喊道：“你得抓紧了。”如果有 2 位说话人，就按顺序写台词，每句都注明说话人。台词要短到能在片段内说完，大约每秒 2 个词，所以 8 秒的镜头里不超过 12 到 14 个词。如果台词被截断或说错，就缩短它并重新生成。
Google 表示全面支持英文提示词，尚未评估其他语言，不过其他语言或许也可用。要获得最可靠的结果，请用英文写提示词；如果角色要说另一种语言，就注明语言，并用那种语言写台词，但要接受台词的表现不那么确定。DreamBench 自己的页面和创作面板支持 6 种语言；模型的理解能力则取决于 Google。
按 Google 的顺序描述一个镜头：景别和运镜、主体、动作、环境，然后是光线和风格。接着用单独的句子写声音：带引号并指明说话人的台词、音效和环境音。用平实、具体的词语，每个片段一个主要动作，写你想要的，而不是你不想要的，比如写“一条空荡的街道”，而不是“没有人”。
能。Google 的 Veo 3.1 可以把你提供的图片作为首帧，让它动起来。在 DreamBench 上，请在 Film Studio 中把照片作为参考图上传：在 Veo 3.1 上，它会作为参考设定图引导每个场景，让你的人物、宠物或产品出现在场景中；在 Fast 和 Lite 上，DreamBench 会根据它制作首帧，再由模型让首帧动起来。“视频”页面只根据文字生成。
Google 让 Veo 3.1 最多接收 3 张人物、角色或产品的参考图，并在片段中保持它们的外观，Google 把这项功能称为 ingredients to video（素材生视频）。在 DreamBench 上，一部影片最多可添加 8 张参考图，并为每张添加标记；DreamBench 会根据每张参考图制作一张设定图，Veo 3.1 在每个场景中最多接收其中 3 张。Google 只在 8 秒片段上接受参考图，所以这些场景时长为 8 秒。
Google 支持：在自己的工具和 API 中，Veo 3.1 及其 Fast 和 Lite 版本可以生成从一张图片开始、到另一张图片结束的片段，中间的运动根据提示词生成。DreamBench 的创作面板没有尾帧槽位。在 DreamBench 上，Fast 和 Lite 会以根据你的参考图制作的画面作为每个场景的开头，场景在哪里结束，则写在它的提示词里。
Google 会给用 Veo 生成的视频加上 SynthID，这是嵌在画面中的隐形水印，用来标识视频由 AI 生成，Google 也提供了检测它的方法。你看不到它，它也不会改变视频的观感。在 DreamBench 上，Starter 套餐的视频还带有一个可见的小 DreamBench 水印，Plus、Ultra 和 Studio 套餐会去除该水印。
可以。DreamBench 的使用条款允许你将用 Veo 3.1 制作的内容用于个人和商业用途，包括广告、产品视频、社交媒体帖子和客户项目。你需要拥有所上传内容的权利，比如人物照片、产品照片或 Logo；生成的视频可能并非你独有，也可能不受版权保护。Starter 套餐的视频带有 DreamBench 水印，Plus 及以上套餐会去除水印。
通常是片段里要做的事太多了。Veo 3.1 最多只有 8 秒，所以每个片段只安排一个主要动作、一种运镜和简短的台词。用平实的话写明谁在哪里做什么，描述你想要的，而不是你不想要的。如果 Film Studio 中的某个场景仍不理想，给那个场景新的指示或一张参考图，单独重新生成；其他场景保持不变。
为每个角色提供一张参考图给 DreamBench，标记为角色，并在提示词中用 @ 加标签名引用。DreamBench 会为每个角色制作一张设定图，并在角色出现的每个场景中重复使用：在 Veo 3.1 上作为参考图，在 Fast 和 Lite 上则用于首帧。在整个简报中，用同样的方式描述每个角色，连服装也不例外。
它们适合不同的用途。Veo 3.1 生成最长 8 秒的 16:9 或 9:16 片段，始终带声音，并提供 4K。Kling 3.0 生成最长 15 秒的一镜到底，声音可开可关，支持 5 种语言的口型同步对白。Seedance 2.5 单次最长 30 秒，一镜到底，声音可开可关。Kling 3.0 和 Seedance 2.5 还提供更多画面比例。对比表逐一列出了这些信息。
Veo 3.1：Plus、Ultra 和 Studio 套餐可用；Veo 3.1 Fast 和 Veo 3.1 Lite：所有套餐均可使用。视频时长取决于套餐：最长 30 秒（Starter）、2 分钟（Plus）和 5 分钟（Ultra 和 Studio）。
是的。本页的每部影片都是用 Veo 3.1 制作并已发布的 DreamBench 模板，并附有生成它的提示词。本页不含任何其他模型生成的影片或图片。
继续探索
Kling AI
让动作成为主角，从体育、舞蹈到车辆，支持 5 种语言的口型同步对白。
片段最长 15 秒 · 720p / 1080p · 声音
ByteDance Seed
在一个最长 30 秒的片段里讲一个短故事，切分为相互衔接的镜头，声音随画面一同生成。
片段最长 30 秒 · 480p / 720p / 1080p · 声音
ByteDance Seed
借助参考图，在最长 15 秒的片段中跟随角色完成对白与动作。
片段最长 15 秒 · 720p / 1080p / 4K · 声音
Google DeepMind
制作带文字的海报、卡片和图解，或为下一个视频设计角色和地点。
每张图片 6 积分
对比
任意 DreamBench 套餐均可使用
提示词生成器会根据你的几项选择，为 Veo 3.1 写出一份按镜头逐条列出的提示词，并交给创作面板。
信息来源说明
Veo 3.1 由 Google DeepMind 开发。DreamBench 是一个独立平台，在提供 Veo 3.1 的同时也提供其他模型，与 Google DeepMind 没有关联，也未获得 Google DeepMind 的认可。本页信息最后核实于 。 Veo 3.1 和 Google DeepMind 是其各自所有者的商标，此处仅用于指明该模型及其开发者。
制作你的视频
描述你心中的视频。DreamBench 会规划场景，你可以修改想改进的场景。