Google: Veo 3.1

Google: Veo 3.1 es un modelo de generación de video de Google. Está listado en api14 bajo la categoría de video, y la fecha de lanzamiento del proveedor es 2026-03-23. Google lo describe como su modelo de generación de video de última generación, diseñado para la máxima fidelidad visual en cortes finales de producción.

El modelo acepta entradas de texto e imagen y produce video como su única salida. Admite resoluciones de 720p, 1080p y 4K, relaciones de aspecto de 16:9 y 9:16, y duraciones de clip de 4, 6 u 8 segundos. Puede generar audio sincronizado nativo, y acepta imágenes de fotograma como first_frame y last_frame, para que puedas anclar el inicio y el final de un clip. No hay una cifra de longitud de contexto listada para este modelo, así que trata el prompt como un brief creativo en lugar de un documento largo sobre el que razonar.

Esas capacidades apuntan a un conjunto bastante específico de tareas. Texto a video se adapta a anuncios cortos, clips para redes sociales y visualización de conceptos donde describes una escena y obtienes un plano terminado. Imagen a video, combinado con first_frame y last_frame, encaja en trabajos de continuidad plano a plano, animar una imagen fija o unir dos fotogramas clave en una edición. La relación 9:16 cubre formatos verticales para feeds móviles, mientras que 16:9 y 4K se adaptan a la entrega en pantalla ancha. La generación de audio nativo significa que el diálogo, el ambiente o los efectos pueden llegar con la imagen en lugar de añadirse en una pasada separada, lo que acorta el flujo de trabajo para cortes preliminares.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "google/veo-3.1", así que el código de cliente existente al estilo OpenAI funciona con un cambio de URL base y nombre de modelo. Los parámetros de solicitud admitidos son max_tokens, response_format, seed, temperature y top_p. Seed es útil cuando quieres generaciones reproducibles entre reintentos, y temperature y top_p te dan control sobre cuánta variación obtienes entre ejecuciones. Usa response_format para declarar cómo quieres que se devuelva el resultado.

Una cosa a tener en cuenta es que este es un modelo de generación, no un modelo de chat o razonamiento. No tiene longitud de contexto listada, no acepta audio o video como entrada, y su salida es solo video, así que tareas como transcripción, edición de video de metraje existente o análisis de texto corresponden a un modelo diferente. Si tu trabajo es texto o código en lugar de imágenes en movimiento, otro modelo en api14 encajará mejor.