Google: Veo 3.1

Google: Veo 3.1 é um modelo de geração de vídeo da Google. Está listado na api14 na categoria de vídeo, e a data de lançamento do fornecedor é 2026-03-23. A Google descreve-o como o seu modelo de geração de vídeo de última geração, criado para máxima fidelidade visual em cortes finais de produção.

O modelo recebe entradas de texto e imagem e produz vídeo como única saída. Suporta resoluções de 720p, 1080p e 4K, proporções de aspeto de 16:9 e 9:16, e durações de clipe de 4, 6 ou 8 segundos. Consegue gerar áudio nativo sincronizado, e aceita imagens de fotogramas como first_frame e last_frame, para que possa ancorar o início e o fim de um clipe. Não há qualquer valor de comprimento de contexto listado para este modelo, por isso trate o prompt como um briefing criativo em vez de um documento longo sobre o qual raciocinar.

Essas capacidades apontam para um conjunto bastante específico de tarefas. Texto para vídeo adequa-se a spots publicitários curtos, clipes para redes sociais e visualização de conceitos, em que descreve uma cena e recebe um plano finalizado de volta. Imagem para vídeo, combinado com first_frame e last_frame, encaixa no trabalho de continuidade plano a plano, na animação de uma imagem estática, ou na ligação entre dois keyframes numa edição. A proporção 9:16 cobre formatos verticais para feeds móveis, enquanto 16:9 e 4K servem para entrega em ecrã largo. A geração de áudio nativo significa que diálogo, ambiente ou efeitos podem chegar com a imagem em vez de serem adicionados numa passagem separada, o que encurta o pipeline para cortes de rascunho.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "google/veo-3.1", por isso o código de cliente existente ao estilo OpenAI funciona com uma alteração do URL base e do nome do modelo. Os parâmetros de pedido suportados são max_tokens, response_format, seed, temperature e top_p. Seed é útil quando quer gerações reproduzíveis entre tentativas, e temperature e top_p dão-lhe controlo sobre quanta variação obtém entre execuções. Use response_format para declarar como quer que o resultado seja devolvido.

Uma coisa a planear é que este é um modelo de geração, não um modelo de conversa ou de raciocínio. Não tem comprimento de contexto listado, não aceita áudio ou vídeo como entrada, e a sua saída é apenas vídeo, por isso tarefas como transcrição, edição de vídeo de filmagens existentes ou análise de texto pertencem a um modelo diferente. Se o seu trabalho é texto ou código em vez de imagens em movimento, outro modelo na api14 encaixará melhor.