Veo 3.1: что умеет видеонейросеть Google и как получить от неё лучший ролик
Автор: Александра Купринова, Автор AI Vision: видео и музыка. Обновлено 2026-11-05.
Veo 3.1 — первая видеомодель, где меня удивил не кадр, а звук. Я попросила «дождь в ночном Нью-Йорке, такси проезжает по луже», и услышала шум шин, капли и далёкую сирену. Как будто сама стояла на углу.
Veo 3.1 — видеомодель Google, которая генерирует реалистичные ролики длиной в несколько секунд сразу со звуком: шумами, музыкой и речью. Она умеет строить видео по референсным картинкам и по первому и последнему кадру. На ноябрь 2026 года это одна из самых сильных моделей для рекламы и атмосферных сцен. Расскажу о режимах, промптах, ограничениях и сравню Veo с другими моделями.
Линейка Veo развивается с 2024 года. Veo 2 давал качественную картинку без звука. Veo 3 научился генерировать звук вместе с видео. Версия 3.1, представленная осенью 2025 года, по данным Google и обзоров, улучшила:
- звук — более естественные шумы окружения и синхронные реплики;
- следование промпту — модель точнее понимает, что и как должно происходить;
- работу с изображениями — несколько референсов и режим первого и последнего кадра;
- продление сцен — возможность продолжить ролик, сохраняя его визуальный ряд.
Есть и быстрая версия — Veo 3.1 Fast: немного проще по качеству, зато дешевле и быстрее. Удобна для черновиков.
Текст в видео. Вы описываете сцену, модель создаёт ролик. Самый простой режим и хорошая отправная точка.
Видео по референсам. Вы загружаете изображения — персонажа, предмет, локацию, — и модель собирает из них сцену. Это помогает сохранить внешность героя или товара.
Первый и последний кадр. Вы задаёте начальное и конечное изображения, а Veo строит плавный переход между ними. Подходит для трансформаций: эскиз превращается в готовый дизайн, день сменяется ночью, пустая комната — обставленной.
Фото в видео. Одно изображение становится первым кадром ролика. Подробно об этом сценарии — в статье как оживить фото нейросетью.
Большинство видеомоделей выдают «немое кино», и звук приходится подбирать отдельно. Veo 3.1 генерирует звуковую дорожку вместе с картинкой. Чтобы им управлять, описывайте звук в промпте явно:
- шумы: «шум прибоя, крики чаек», «гул ночного города»;
- музыка: «тихая джазовая музыка на фоне»;
- речь: «женщина говорит: „Добро пожаловать домой“».
Реплики лучше делать короткими — одну фразу на ролик. Длинные монологи модель произносит менее естественно, а губы хуже попадают в слова.
Я сделала три одинаковых кадра — уличное кафе вечером — и меняла только описание звука. Первый: «тихие разговоры, звон посуды». Второй: «джаз из колонки, смех». Третий: «шум дождя по навесу». Картинка почти та же, а настроение — три разных фильма.
Для меня как для монтажёра это главное преимущество: не нужно искать звуки отдельно и подгонять под кадр. Но речь героев я пока использую осторожно — иногда губы чуть не совпадают со словами, и на крупном плане это видно.
Рабочая формула: [объект] + [действие] + [место] + [свет и атмосфера] + [камера] + [звук].
Слабо:
Кофейня утром.
Сильно:
Сцена со звуком
Бариста в зелёном фартуке наливает молоко в чашку капучино, рисуя сердце на пене.
Место и время: уютная кофейня ранним утром.
Свет: мягкий из окна.
Камера: медленно приближается к чашке.
Звук: тихо шипит кофемашина, на фоне негромкая музыка.
Руки без искажений, без текста в кадре.
Ещё три примера:
Съёмка с дрона
Кинематографичная съёмка с дрона, 8 секунд.
Объект: красный спортивный автомобиль.
Действие: едет по горному серпантину.
Время: на закате.
Камера: вид с дрона сзади, плавно поднимается выше.
Свет: золотой, длинные тени.
Звук: рёв мотора и шум ветра.
Машина держит полосу, колёса и отражения реалистичные.
Без номеров, логотипов и текста в кадре.
Крупный план со звуком
Крупный план со звуком, 8 секунд.
Герой: пожилой мужчина в мастерской.
Действие: шлифует деревянную скрипку.
Детали: пылинки в луче света из окна.
Кадр: крупный план рук.
Звук: тихий звук наждачной бумаги, тиканье часов.
Звук совпадает с движением рук.
Руки без искажений, пять пальцев, движения уверенные и неторопливые. Тёплый свет, малая глубина резкости. Без музыки и текста.
Сцена с окружением
Сцена с окружением и звуком, 8 секунд.
Герой: девушка в домашнем свитере.
Действие: открывает дверь на балкон.
За дверью: летний дождь над городом.
Камера: следует за ней со спины.
Звук: шум дождя и далёкий гром, когда дверь открывается — громче.
Свет меняется естественно: в комнате тёплый, с улицы — холодный.
Реалистичная съёмка, без текста.
Больше формул и словарь движений камеры — в статье про промпты для видео.
- Длительность. Один ролик — несколько секунд. Длинные истории собирают из сцен или продлевают.
- Сложная физика. Танцы, спорт, жидкости и взаимодействие нескольких людей иногда ломаются.
- Текст в кадре. Вывески и надписи могут искажаться.
- Реальные люди. Модель ограничивает генерацию узнаваемых публичных персон.
- Стоимость. Видео со звуком — одна из самых дорогих генераций. Черновики делайте в Fast-версии.
| Задача | Что выбрать |
|---|
| Реклама, атмосфера, звук | Veo 3.1 |
| Оживление портрета, движения людей | Kling |
| Динамичные клипы | Seedance |
| Серия роликов с одним персонажем | Runway Gen-4 |
| Быстрые черновики | Veo 3.1 Fast, Grok Imagine Video |
Подробное сравнение — в обзоре нейросетей для видео и в статье про Kling. Если вы раньше пользовались Sora, прочитайте, что выбрать после её закрытия.
Читайте такжеRunway нейросеть и Hailuo нейросеть.
Частые вопросы
Veo 3.1 бесплатный?
Google даёт ограниченный доступ в своих продуктах по подписке. В сторонних сервисах генерация обычно оплачивается за ролик.
Понимает ли Veo 3.1 русский язык?
Промпты на русском модель понимает. Реплики на русском тоже возможны, но произношение может быть менее естественным, чем на английском.
Сколько длится ролик Veo 3.1?
Несколько секунд, обычно до восьми. Для длинного видео сцены продлевают или монтируют.
Чем отличается Veo 3.1 Fast?
Он быстрее и дешевле, но немного уступает в детализации. Хорош для проверки идей.
Veo 3.1 без лишних шагов
В AI Vision доступны Veo 3.1, Veo 3.1 Fast и режим первого и последнего кадра, а также предыдущие версии Veo 3.0 и Veo 2. Помощник допишет промпт с камерой и звуком, а ту же идею можно сразу проверить в Kling 2.6 или Hailuo 02 и сравнить результаты в галерее.
Попробовать Veo 3.1 в AI Vision