Google: Veo 3.1

Google: Veo 3.1 är en videogenereringsmodell från Google. Den listas på api14 under kategorin video, och leverantörens releasedatum är 2026-03-23. Google beskriver den som sin toppmoderna videogenereringsmodell, byggd för maximal visuell återgivning i slutliga produktionsklipp.

Modellen tar text- och bildindata och producerar video som enda utdata. Den stöder upplösningarna 720p, 1080p och 4K, bildförhållandena 16:9 och 9:16, samt klipplängder på 4, 6 eller 8 sekunder. Den kan generera inbyggt synkroniserat ljud, och den accepterar bildrutor som first_frame och last_frame, så du kan förankra början och slutet av ett klipp. Det finns ingen kontextlängd angiven för den här modellen, så behandla prompten som en kreativ brief snarare än ett långt dokument att resonera kring.

Dessa funktioner pekar mot en ganska specifik uppsättning arbetsuppgifter. Text till video passar för korta reklamfilmer, sociala klipp och konceptvisualisering där du beskriver en scen och får tillbaka en färdig tagning. Bild till video, kombinerat med first_frame och last_frame, passar för arbete med kontinuitet mellan tagningar, animering av en stillbild, eller övergång mellan två nyckelbildrutor i en redigering. Förhållandet 9:16 täcker vertikala format för mobila flöden, medan 16:9 och 4K passar för widescreenleverans. Inbyggd ljudgenerering innebär att dialog, atmosfär eller effekter kan komma med bilden i stället för att läggas till i en separat omgång, vilket kortar pipelinen för utkast.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "google/veo-3.1", så befintlig klientkod i OpenAI-stil fungerar med ett byte av bas-URL och modellnamn. De begärandeparametrar som stöds är max_tokens, response_format, seed, temperature och top_p. Seed är användbart när du vill ha reproducerbara genereringar mellan försök, och temperature och top_p ger dig kontroll över hur mycket variation du får mellan körningar. Använd response_format för att ange hur du vill att resultatet ska returneras.

En sak att planera för är att detta är en genereringsmodell, inte en chatt- eller resonemangsmodell. Den har ingen angiven kontextlängd, den accepterar inte ljud eller video som indata, och dess utdata är endast video, så uppgifter som transkribering, videoredigering av befintligt material eller textanalys hör till en annan modell. Om ditt arbete är text eller kod snarare än rörliga bilder passar en annan modell på api14 bättre.