Google: Veo 3.1

Google: Veo 3.1 ist ein Videogenerierungsmodell von Google. Es ist auf api14 in der Kategorie Video gelistet, und das Veröffentlichungsdatum des Anbieters ist der 2026-03-23. Google beschreibt es als sein modernstes Videogenerierungsmodell, entwickelt für maximale visuelle Wiedergabetreue in finalen Produktionsschnitten.

Das Modell nimmt Text- und Bildeingaben entgegen und erzeugt als einzige Ausgabe Video. Es unterstützt Auflösungen von 720p, 1080p und 4K, Seitenverhältnisse von 16:9 und 9:16 sowie Clipdauern von 4, 6 oder 8 Sekunden. Es kann native synchronisierten Ton erzeugen, und es akzeptiert Einzelbilder als first_frame und last_frame, sodass Sie Anfang und Ende eines Clips verankern können. Für dieses Modell ist keine Kontextlängenangabe aufgeführt, behandeln Sie den Prompt also eher als kreatives Briefing denn als langes Dokument, über das reasoning betrieben werden soll.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Menge von Aufgaben hin. Text zu Video eignet sich für kurze Werbespots, Social-Clips und Konzeptvisualisierung, bei der Sie eine Szene beschreiben und eine fertige Aufnahme zurückbekommen. Bild zu Video, kombiniert mit first_frame und last_frame, passt zu Arbeiten an der Kontinuität von Einstellung zu Einstellung, zum Animieren eines Standbilds oder zum Überbrücken zweier Keyframes in einem Schnitt. Das Verhältnis 9:16 deckt vertikale Formate für mobile Feeds ab, während 16:9 und 4K sich für die Auslieferung im Breitbild eignen. Native Audioerzeugung bedeutet, dass Dialog, Atmosphäre oder Effekte zusammen mit dem Bild ankommen können, statt in einem separaten Durchgang hinzugefügt zu werden, was die Pipeline für Entwurfsschnitte verkürzt.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "google/veo-3.1" auf, sodass vorhandener Client-Code im OpenAI-Stil mit einer Änderung von Basis-URL und Modellname funktioniert. Die unterstützten Anfrageparameter sind max_tokens, response_format, seed, temperature und top_p. Seed ist nützlich, wenn Sie über Wiederholungsversuche hinweg reproduzierbare Generierungen wünschen, und temperature und top_p geben Ihnen Kontrolle darüber, wie viel Variation Sie zwischen Durchläufen erhalten. Verwenden Sie response_format, um zu deklarieren, wie das Ergebnis zurückgegeben werden soll.

Ein Punkt, den Sie einplanen sollten, ist, dass dies ein Generierungsmodell ist, kein Chat- oder Reasoning-Modell. Es hat keine aufgeführte Kontextlänge, es akzeptiert weder Audio noch Video als Eingabe, und seine Ausgabe ist ausschließlich Video, daher gehören Aufgaben wie Transkription, Videobearbeitung von vorhandenem Material oder Textanalyse zu einem anderen Modell. Wenn Ihre Arbeit Text oder Code statt bewegter Bilder betrifft, passt ein anderes Modell auf api14 besser.