Google: Veo 3.1 Fast

Google: Veo 3.1 Fast es un modelo de generación de video de Google, posicionado como la opción de gama media dentro de la línea Veo 3.1. Está diseñado para equilibrar velocidad y calidad, ofreciendo tiempos de respuesta más rápidos que el modelo Veo 3.1 completo y, aun así, produciendo resultados de alta calidad. Si ya trabajas dentro del ecosistema de modelos de medios generativos de Google, esta es la variante orientada a cargas de trabajo donde la velocidad de iteración importa más que la fidelidad máxima.

El modelo acepta entradas de texto e imagen y devuelve video como su única salida. Genera audio sincronizado nativo junto con las imágenes, por lo que no necesitas un flujo de audio separado para voz, efectos de sonido o sonido ambiente. La salida se puede renderizar en 720p, 1080p o 4K, en relación de aspecto 16:9 o 9:16, con duraciones de 4, 6 u 8 segundos. Para el trabajo basado en imágenes, puedes proporcionar un primer fotograma, un último fotograma, o ambos, lo que te da control sobre cómo comienza y termina una toma. No se publica ninguna ventana de contexto para este modelo, lo cual es esperable para un generador de video en lugar de un modelo de texto.

Esas capacidades apuntan a un conjunto de usos bastante específico. Los clips cortos en 16:9 a 4K son adecuados para anuncios publicitarios, avances de productos y pre-rolls sociales, mientras que la opción 9:16 cubre formatos verticales para stories y feeds de formato corto. Debido a que el audio se genera de forma nativa, el modelo encaja en clips explicativos, escenas basadas en diálogos y cualquier contenido donde el sonido deba alinearse con la imagen sin mezcla manual. El condicionamiento por primer y último fotograma es útil para animar una imagen fija, unir dos fotogramas clave o producir transiciones de toma consistentes en una edición más larga. Las duraciones de 4, 6 y 8 segundos mantienen las generaciones individuales cortas, por lo que el modelo funciona mejor como una herramienta a nivel de toma en lugar de un generador de formato largo de una sola pasada.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "google/veo-3.1-fast". Los parámetros de solicitud admitidos son max_tokens, response_format, seed, temperature y top_p. Vale la pena establecer seed cuando quieres generaciones reproducibles entre ejecuciones, y temperature y top_p te dan control sobre cuánta variación introduce el modelo. Debido a que la interfaz sigue el esquema de OpenAI, los clientes y SDK existentes generalmente funcionan con cambios mínimos.

Hay algunas cosas a tener en cuenta al elegir este modelo. La longitud de contexto no se publica, y maxOutput aparece como 0, así que no planifiques en torno a un presupuesto de tokens documentado para la salida. Si tu prioridad es la mayor calidad posible en lugar del tiempo de respuesta, el modelo Veo 3.1 completo es la opción más apropiada, ya que Fast es explícitamente el nivel orientado a la velocidad. La duración del clip está limitada a 8 segundos, por lo que las secuencias más largas deben ensamblarse a partir de múltiples generaciones.