Google: Veo 3.1 Lite

Google: Veo 3.1 Lite to model generowania wideo od Google. Należy do kategorii wideo i jest opisywany przez dostawcę jako najbardziej opłacalny model generowania wideo Google, zaprojektowany do zastosowań o dużym natężeniu i szybkiej iteracji. Data wydania przez dostawcę to 2026-04-23.

Model przyjmuje dane wejściowe tekstowe i obrazowe, a jego jedynym wynikiem jest wideo. Generuje wideo w rozdzielczości 720p i 1080p, w proporcjach 16:9 i 9:16, o czasie trwania 4, 6 lub 8 sekund. Obsługuje obrazy wejściowe first_frame i last_frame, więc możesz zakotwiczyć klip na jego początku, końcu lub w obu miejscach. Dostępne jest natywne generowanie zsynchronizowanego dźwięku. Dla tego modelu nie podano długości kontekstu, więc planowanie kontekstu oparte na tokenach nie ma zastosowania w zwykły sposób; praktyczne ograniczenia to powyższe opcje rozdzielczości, proporcji, czasu trwania i obrazów klatek.

Te możliwości wskazują na dość konkretny zestaw zastosowań. Tekst na wideo pasuje do krótkich klipów dla kanałów społecznościowych, reklam i prototypów, a proporcja 9:16 bezpośrednio odpowiada formatom pionowym. Obraz na wideo z pierwszą klatką jest przydatny, gdy masz już nieruchomy obraz, na przykład zdjęcie produktu lub panel storyboardu, i chcesz, aby się poruszał. Podanie również ostatniej klatki daje sposób na pokierowanie klipem w stronę określonego zakończenia, co pomaga, gdy kilka ujęć musi się ze sobą zmontować. Ponieważ dźwięk jest generowany w synchronizacji, możesz uzyskać gotowy krótki klip bez osobnego etapu dźwiękowego. Czasy trwania 4, 6 i 8 sekund utrzymują wyniki krótkie, co sprzyja iteracji: wygeneruj kilka wariantów, przejrzyj je i dopracuj prompt lub obrazy klatek.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "google/veo-3.1-lite". Obsługiwane parametry żądania to max_tokens, response_format, seed, temperature i top_p. Parametr seed warto stosować, gdy chcesz uzyskać powtarzalne lub porównywalne generacje między uruchomieniami, a temperature i top_p dają kontrolę nad zróżnicowaniem wyników. Ponieważ API jest zgodne z OpenAI, istniejące biblioteki klienckie OpenAI i kształty żądań działają po zmianie jedynie identyfikatora modelu i punktu końcowego.

Nie podano długości kontekstu, a maxOutput w szczegółach modelu wynosi 0, więc nie zakładaj budżetu na wynik tekstowy. Wynikiem jest wyłącznie wideo, co oznacza, że zadania wymagające tekstu, kodu lub nieruchomych obrazów lepiej pasują do modelu z tych kategorii. Jeśli potrzebujesz rozdzielczości lub proporcji wykraczających poza 720p i 1080p albo 16:9 i 9:16, lub czasów trwania innych niż 4, 6 i 8 sekund, sprawdź, czy obejmuje je inny model wideo. Do generowania o dużym natężeniu i szybkiej iteracji przy podanych ustawieniach ten model jest zamierzonym wyborem.