# Veo 3.1: apa yang bisa dilakukan model video Google dengan suara

> Veo 3.1 adalah model video dari Google DeepMind, rilis pada 15 Oktober 2025. Model ini membuat klip 4, 6, atau 8 detik di 720p, 1080p, atau 4K dan menghasilkan suara bersamaan dengan gambar: ucapan, efek, dan latar. Bisa menghidupkan foto, menahan karakter di tiga referensi, dan membangun transisi antara frame awal dan akhir. Veo 3.1, Fast, dan Lite tersedia di AI2Face.

Pengembang: Google DeepMind · Rilis: 2025-10-15 · Diperbarui 2026-09-30
URL: https://ai2face.com/id/models/veo-3-1

## Fakta utama

| | |
|---|---|
| Pengembang | Google DeepMind |
| Tanggal rilis | 15 Oktober 2025 |
| Apa yang dilakukan | Video bersuara dari teks, foto, referensi, dan sepasang frame |
| Durasi | 4, 6, atau 8 detik; di Gemini API, perpanjangan hingga 148 detik |
| Resolusi | 720p, 1080p, dan 4K (1080p dan 4K hanya untuk 8 detik), 24 frame per detik |
| Format | 16:9 dan 9:16 |
| Referensi | Hingga 3 gambar karakter, objek, atau adegan |
| Suara | Ucapan, efek suara, dan latar dihasilkan bersama video |
| Versi | Veo 3.1, Veo 3.1 Fast, Veo 3.1 Lite |
| Penandaan | Tanda air tak terlihat SynthID |
| Di AI2Face | Ketiga versi ada di generator |

## Apa itu Veo 3.1

Veo 3.1 adalah model video Google DeepMind yang membuat klip sekaligus dengan suara. Google memperkenalkannya pada 15 Oktober 2025 sebagai pembaruan Veo 3. Model ini mengikuti prompt lebih tepat, menahan karakter lebih akurat antaradegan, dan mengolah suara lebih kaya, dari percakapan sampai efek yang sinkron dengan gambar.

Keluarganya punya tiga model. Veo 3.1 adalah kualitas tertinggi dan sampai 4K. Veo 3.1 Fast lebih cepat dan lebih murah. Veo 3.1 Lite paling terjangkau dan keluar pada 31 Maret 2026. Pada Januari 2026 Google menambahkan format vertikal 9:16 untuk mode referensi dan upscale ke 1080p serta 4K.

Veo 3.1 bukan model video terbaru Google. Pada Mei 2026 [Gemini Omni](/id/models/gemini-omni) keluar, dan di dokumentasi Gemini API Google menyarankannya sebagai model bawaan. Veo 3.1 tetap pilihan untuk memperpanjang adegan, mode frame terakhir, dan 4K.

## Apa yang bisa dilakukan Veo 3.1

**Suara bersama video.** Veo 3.1 menghasilkan ucapan, efek, dan derau latar bersamaan dengan gambar. Suara tidak ditambahkan belakangan. Dialog dalam tanda kutip menjadi ucapan karakter.

[Seorang baker bercelemek mengeluarkan loyang croissant dari oven dan berbicara ke kamera sambil tersenyum](https://ai2face.com/_astro/media/models/veo-3-1/dialogue.mp4 "Prompt dengan dialog dalam tanda kutip: ucapan, derak oven, dan suara jalan dihasilkan bersama video. Veo 3.1, 8 dtk, 1080p, dikompres ulang ke 720p")

**Menghidupkan foto.** Unggah gambar sebagai frame pertama dan jelaskan gerakannya. Model mempertahankan wajah, pakaian, dan cahaya sumber.

[Perempuan berambut ikal merah berjalan menuju kamera di hutan musim gugur berkabut dan tersenyum, daun berguguran](https://ai2face.com/_astro/media/models/veo-3-1/image-to-video.mp4 "Foto dari sesi musim gugur kami menjadi frame pertama. Veo 3.1, 9:16, 8 dtk")

**Referensi.** Hingga tiga gambar karakter, objek, atau adegan. Model menahan tampilannya sepanjang klip. Begitulah seri dengan satu karakter atau satu produk dibuat.

**Frame awal dan akhir.** Tentukan dua gambar, model membangun transisi di antaranya, dengan suara. Cocok untuk perubahan: ruangan kosong menjadi berperabot, sketsa menjadi produk jadi.

[Ruangan kosong berdinding putih perlahan terisi: dinding menjadi hijau, lalu sofa, meja, karpet, dan ficus muncul](https://ai2face.com/_astro/media/models/veo-3-1/first-last-frame.mp4 "Mode frame awal dan akhir, Veo 3.1 Lite. Frame akhir sesuai yang diminta, tetapi di tengah transisi jendela sempat hilang")

**Perpanjangan.** Di Gemini API klip bisa diperpanjang 7 detik hingga 20 kali, total 148 detik. Model melanjutkan aksi dari detik terakhir klip sebelumnya.

## Untuk tugas apa Veo 3.1 cocok

- **Iklan dan produk.** Close-up produk dengan suara: kopi dituang, kemasan dibuka, botol berputar.
- **Klip pendek untuk media sosial.** Vertikal 9:16 tanpa potong, ucapan dan musik dalam satu file.
- **Menghidupkan foto.** Potret, produk, atau interior menjadi klip 8 detik.
- **Storyboard dan previz.** Adegan dengan gerak kamera, cahaya, dan suara sebelum syuting sungguhan.
- **Shot atmosfer.** Alam, cuaca, dan pemandangan kota dengan suara ambien.

[Ceret tembaga menuang kopi panas ke cangkir putih di meja ek, uap naik](https://ai2face.com/_astro/media/models/veo-3-1/product-sfx.mp4 "Shot produk: suara kopi dituang dan denting cangkir berasal dari prompt. Veo 3.1, 16:9, 8 dtk")

## Veo 3.1 dan model sejenis

| | Veo 3.1 | Gemini Omni 1.1 Flash | Seedance 2.5 |
|---|---|---|---|
| Pengembang | Google DeepMind | Google DeepMind | ByteDance Seed |
| Rilis | 15 Oktober 2025 | 27 Agustus 2026 | 2026 |
| Durasi per generasi | 4, 6, 8 dtk | 3–10 dtk | hingga 30 dtk |
| Perpanjangan | hingga 148 dtk (API, 720p) | hingga 40 dtk | 2 perpanjangan |
| Resolusi maksimum | 4K | 4K (upscale) | tidak diumumkan |
| Suara | ya | ya | ya |
| Referensi | hingga 3 gambar | gambar dan hingga 3 video | teks, gambar, video, audio |
| Di AI2Face | ya | ya | ya |

Veo 3.1 unggul pada kualitas gambar dan suara di klip pendek, serta pada mode frame terakhir. Gemini Omni Flash lebih fleksibel pada masukan, dan di API harganya sama dengan Veo 3.1 Fast, lebih murah daripada Veo 3.1 penuh. [Seedance 2.5](/id/models/seedance) membuat klip terpanjang dalam satu generasi, dan juga tersedia di AI2Face.

## Cara menulis prompt untuk Veo 3.1

Google mengusulkan rumus lima bagian: **kamera + subjek + aksi + lingkungan + gaya dan suasana**. Suara dijelaskan terpisah:

- **Dialog** — dalam tanda kutip: `Perempuan itu berkata: "Sudah waktunya kita pergi."`
- **Efek** — setelah label `SFX:`: `SFX: guntur bergemuruh di kejauhan.`
- **Latar** — `Ambient noise:` atau “suara latar”: `dengung pelan kafe`.
- **Gerak kamera** — istilah operator: dolly in, tracking shot, crane, terbang drone, POV.
- **Beberapa shot dalam satu klip** — kode waktu: `[00:00–00:02] medium shot…`, `[00:02–00:04] sudut balik…`.
- **Pengecualian** — lewat deskripsi, bukan penegasian: “bentang kosong tanpa rumah dan jalan” alih-alih “tanpa bangunan”.

```
Drone terbang menuju mercusuar putih di tebing saat badai senja, ombak besar
menghantam batu dan menerbangkan percikan, sorot mercusuar menembus hujan deras.
SFX: deru ombak, lolongan angin, guntur jauh. Sinematik, nada biru gelap
```

[Drone terbang menuju mercusuar di tebing saat badai, ombak menghantam batu, seberkas cahaya menembus hujan](https://ai2face.com/_astro/media/models/veo-3-1/storm-sfx.mp4 "Prompt di atas: gerak kamera dan tiga efek suara dari teks. Veo 3.1, 16:9, 8 dtk")

Prompt bisa ditulis dalam bahasa sendiri, tetapi istilah kamera dalam bahasa Inggris memberi model lebih sedikit ambiguitas. Google tidak memublikasikan daftar bahasa yang bisa diucapkan Veo 3.1. Uji satu kalimat dalam bahasa sendiri pada klip pendek.

## Veo 3.1, Fast, dan Lite: perbedaannya

| | Veo 3.1 | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|
| Untuk apa | kualitas akhir | iterasi cepat | draf dan klip massal |
| Resolusi | 720p, 1080p, 4K | 720p, 1080p, 4K | 720p, 1080p |
| Referensi | hingga 3 | hingga 3 | tidak ada |
| Frame awal dan akhir | ya | ya | ya |
| Perpanjangan di API | ya | ya | tidak |
| Harga | dasar | lebih rendah | menurut Google, di bawah 50% dari Fast |

Di generator AI2Face, 4K hanya ada di Veo 3.1 penuh. Fast dan Lite sampai 1080p. Mulai dari Lite atau Fast untuk menemukan prompt yang pas, lalu buat versi akhir di Veo 3.1 penuh.

## Cara memakai Veo 3.1 di AI2Face

1. Buka generator, pilih video, lalu pilih model: Veo 3.1, Fast, atau Lite.
2. Pilih mode: dari teks, dari foto, dari referensi, atau dari frame awal dan akhir.
3. Atur format (16:9 atau 9:16), durasi (4, 6, atau 8 detik), dan resolusi.
4. Nyalakan suara jika perlu, lalu mulai. Biaya dalam kredit terlihat sebelum mulai.

Gambar jadi dari generator bisa langsung menjadi frame pembuka klip. Potret dari [Nano Banana 2](/id/models/nano-banana-2), model dalam keluarga [Nano Banana](/id/models/nano-banana), bisa menjadi video. Veo 3.1 tersedia di generator AI2Face, dan biayanya terlihat sebelum mulai membuat.

## Batasan

- **1080p dan 4K hanya untuk klip 8 detik.** Klip yang lebih pendek dihasilkan di 720p.
- **Referensi hanya bekerja pada durasi 8 detik.**
- **Perpanjangan klip tersedia di AI2Face.** Di Gemini API, Google hanya memperpanjang klip di 720p.
- **Orang dalam frame.** Di UE, Inggris, Swiss, dan negara MENA, Google hanya mengizinkan generasi orang dewasa. Model tidak membuat orang yang dikenali, selebritas, atau merek.
- **Transisi dua frame** tidak selalu mulus. Frame akhir cocok, tetapi detail di tengah bisa “bergerak”.
- **Penyimpanan di API: 2 hari.** Klip yang dibuat lewat Gemini API dihapus dari server Google setelah dua hari. Di AI2Face klip tetap ada di riwayat.
- **Penandaan.** Setiap klip memuat tanda air tak terlihat SynthID.

## Kesimpulan

Veo 3.1 adalah pilihan terkuat saat dibutuhkan klip pendek dengan suara yang solid: iklan, produk, atmosfer, menghidupkan foto. Ucapan dan efek dari prompt melewatkan tahap sulih suara terpisah. Untuk klip panjang dalam satu generasi, lihat [Seedance 2.5](/id/models/seedance). Untuk penyuntingan yang fleksibel dan masukan campuran, lihat Gemini Omni Flash. Cara hemat: rapikan prompt di Lite atau Fast pada 720p, lalu buat hasil akhir di Veo 3.1 pada 1080p atau 4K. Ketiga versi tersedia di generator AI2Face, dan biayanya terlihat sebelum mulai membuat. Gambar jadi dari generator langsung menjadi frame pertama klip.

## Pertanyaan umum

### Apa beda Veo 3.1 dengan Veo 3?

Veo 3.1 mengikuti prompt lebih tepat, menahan karakter lebih baik, dan menghasilkan suara yang lebih kaya. Yang baru adalah mode referensi, mode frame awal dan akhir, serta perpanjangan klip, sekarang dengan suara. Harga API di Google tetap sama.

### Berapa detik video yang dibuat Veo 3.1?

4, 6, atau 8 detik per generasi. Di Gemini API klip bisa diperpanjang 7 detik hingga 20 kali, total 148 detik, tetapi hanya di 720p. Di AI2Face tersedia klip 4, 6, dan 8 detik.

### Apakah Veo 3.1 punya suara dan ucapan?

Ya. Model menghasilkan suara bersama video: dialog, efek, dan derau latar. Tulis dialog dalam tanda kutip, efek setelah label “SFX:”. Di AI2Face suara dinyalakan dengan sakelar.

### Di mana situs resmi Veo 3.1?

Tidak ada situs terpisah. Secara resmi Veo 3.1 berjalan di aplikasi Gemini, di Google AI Studio, lewat Gemini API, dan di Vertex AI. Domain dengan “veo” di namanya milik layanan pihak ketiga.

### Apa beda Veo 3.1 Fast dan Lite dengan versi penuh?

Fast lebih cepat dan lebih murah dengan rangkaian fitur yang sama. Lite paling murah: Google menyebut harganya kurang dari setengah Fast. Lite tidak punya referensi maupun perpanjangan, maksimum 1080p. Di AI2Face, 4K hanya ada di Veo 3.1 penuh.

### Apakah Veo 3.1 tersedia di setiap negara?

Ketiga versi Veo 3.1 tersedia di generator AI2Face, dan biaya klip terlihat sebelum mulai membuat.

## Sumber

- https://developers.googleblog.com/introducing-veo-3-1-and-new-creative-capabilities-in-the-gemini-api/
- https://ai.google.dev/gemini-api/docs/veo
- https://cloud.google.com/blog/products/ai-machine-learning/ultimate-prompting-guide-for-veo-3-1
- https://blog.google/innovation-and-ai/technology/ai/veo-3-1-ingredients-to-video/
- https://blog.google/innovation-and-ai/technology/ai/veo-3-1-lite/
- https://docs.cloud.google.com/vertex-ai/generative-ai/docs/video/extend-a-veo-video
- https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/
- https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5