Veo 是 DeepMind 旗下的影片生成模型，官方把 Veo 3.1 的定位濃縮成一句：影片，遇見音訊。它面向電影人與敘事者，主打原生音訊、更強的控制與一致性，並透過 Gemini 應用、Google Flow、Google Vids、Google AI Studio 與 Gemini API 等多條路徑交付到使用者手上。

聲音和畫面一起生成

能力清單裡被反覆強調的一項，是模型原生生成音訊。官方的說法是，音效、環境聲甚至對白都來自同一次生成，而不是後期貼上去的音軌。官方給的示例提示詞很能說明問題：畫面描述之後緊接著是聲音描述，城市的嘈雜、遠處的交談、低沉的說唱節拍，以及角色念出的台詞，全都在一條提示詞裡交代清楚。上一代把「重新設計以求更強真實感」列為更新點，理由正是真實世界物理與音訊被放在一起建模。

輸出規格與鏡頭控制

解析度上，官方寫明可生成 1080p 與 4K：1080p 提供更銳利乾淨的畫質，適合剪輯環節；4K 保留更豐富的質感與細節，面向高階製作。

圍繞控制，官方列出的能力相當具體。運鏡控制可以精確指定鏡頭畫面與運動方式，頁面給的示例包括後退、拉近、上移與右移四類；畫外擴展為畫面之外補出匹配且觀感真實的新內容，讓成片適配不同螢幕尺寸與形狀；在影片裡加入物件時，模型會考慮比例、互動與陰影，移除物件時則保留場景原有的構圖、互動與陰影。這幾項合起來，解的是「生成完之後還要不要再返工」。

角色一致性、場景延伸與首尾幀

跨鏡頭的連貫性靠三組能力支撐。角色一致性透過提供角色參考圖實現，官方示例是同一個角色走向鏡頭、在水下游泳、走進糖果世界，外觀在不同場景裡保持一致。場景延伸用第一段鏡頭的最後一秒接著講故事，把片段延長成更長、更有動態的影片，同時保持視覺與音訊一致，頁面上有一段舞蹈示例，用四段提示詞把同一場景連續延長。首尾幀則是在給定的第一幀與最後一幀之間生成平滑過渡，官方形容為平滑、有巧思、有史詩感的轉場。

用身體、面部與聲音驅動角色

更進階的一組能力是把人放進生成流程。角色控制允許用身體動作、面部表情與聲音來驅動生成角色，動作控制則先選定影片中的物件，再定義它的運動路徑。這兩項把提示詞從描述畫面推到了表演畫面，對需要固定角色出鏡的內容尤其有用。

官方給的評測口徑

官方把 Veo 3.1 的強項放在四類任務上：文生影片、圖生影片、文本轉音影片，以及真實物理。基準部分的說明是，評測者觀看了公開電影生成資料集的 1,003 條提示詞與對應影片，Veo 3.1 在整體偏好、文本對齊與視覺品質三項取得領先；圖生影片部分使用 VBench I2V 的 355 組圖文對；帶音訊的文本轉影片部分使用 527 條提示詞，評測者認為它的音畫同步更好；物理子集上，評測者認為表現更真實。頁面還單獨寫明，素材生影片、場景延伸、首尾幀與物件插入四項能力在內部基準的人評對照中取得領先。這些結論在頁面上統一標注為 2025 年 10 月。

Flow：模型、工具與點數計費

Veo 3.1 在 Google Flow 裡是主力影片模型。官方把 Flow 定義為以先進生成模型打造的 AI 創意工作室，除 Veo 3.1 之外還接入 Gemini Omni 與 Nano Banana。智能體是 Flow 的一個特色：它理解專案上下文，陪創作者迭代創意。

工具層是可以自己動手擴展的一層。官方列出文字疊加、畫面調整、圖片編輯器、分鏡腳本工作室、著色器特效與視覺稿等工具，並允許使用者用自然語言建構專屬工具、分享與改造；此外還有面向藝術家的 Flow 創作營計畫。

免費額度與訂閱檔位

按官方價格頁，免費方案每天提供 50 個 Flow 點數，模型側包含 Gemini Omni Flash、Nano Banana Pro 與 Veo 3.1，可以用現成工具完成文生影片、圖幀生影片、素材生影片、影片延長、影片轉影片編輯、場景建立、2K 圖片高畫質重塑與虛擬形象等操作。往上還有三檔付費方案：AI Plus 為每月 4.99 美元，在每天 50 點之外每月再加 200 點，解鎖 1080p 影片高畫質重塑與自製專屬工具；AI Pro 為每月 19.99 美元，每月 1,000 點並支援單獨加購；AI Ultra 為每月 99.99 美元，每月 10,000 點，含 4K 圖片與影片高畫質重塑。官方同時說明價格會因市場而異，功能也會隨訂閱層級、平台與地區不同，並且需年滿 18 歲。

安全、水印與仍在改進的地方

官方寫明，生成的影片會帶上 SynthID 水印，這項技術用於標記與偵測 AI 生成內容；輸出還會經過安全評估與記憶內容檢查，並對有害請求與結果做攔截。同一頁也列出仍在改進的方向：生成自然且一致的語音，尤其是較短的語音片段。

已經有人在用

官方列出的生產案例包括：一家工作室在自己的平台裡用它做故事板與預覽視覺化；一款 AI 角色扮演遊戲用它生成靜態過場與隨玩家進度變化的素材；一套剪輯智能體借助它做動效圖形與面向中小商家的推廣影片。更早的一條線索是與一位導演所創工作室的合作，雙方一起探索把實拍素材與生成畫面結合的做法，該合作已產出三部短片。

幾條邊界

其一，解析度、音訊與控制類能力的支援範圍會隨訂閱方案與入口不同，採購前應回到當期頁面核對。其二，基準數字來自官方頁面引用的人評與內部基準，取樣時間標注為 2025 年 10 月，任務定義與對比模型都可能變化。其三，Flow 點數與實際可生成的影片條數並非一對一，成本要按自己的用量估算。其四，商用與分發需遵守服務條款與生成式 AI 使用政策，涉及真人與版權素材時尤其要確認授權。

一句話收尾：這一輪的重點是把聲音納入同一次生成，再用 1080p 與 4K 輸出、場景延伸、首尾幀、運鏡、畫外擴展與物件增刪把控制權交回創作者；Flow 則負責把模型、工具與點數計費收進同一個工作台。