# Veo 3.1: o que o modelo de vídeo do Google faz com som

> Veo 3.1 é o modelo de vídeo do Google DeepMind, lançado em 15 de outubro de 2025. Faz clipes de 4, 6 ou 8 segundos em 720p, 1080p ou 4K e gera o som junto com a imagem: fala, efeitos e fundo. Consegue animar uma foto, manter um personagem em três referências e construir a transição entre o primeiro e o último quadro. No AI2Face estão Veo 3.1, Fast e Lite.

Desenvolvedor: Google DeepMind · Lançamento: 2025-10-15 · Atualizado em 2026-09-30
URL: https://ai2face.com/pt/models/veo-3-1

## Fatos principais

| | |
|---|---|
| Desenvolvedor | Google DeepMind |
| Data de lançamento | 15 de outubro de 2025 |
| O que faz | Vídeo com som a partir de texto, uma foto, referências e um par de quadros |
| Duração | 4, 6 ou 8 segundos; na Gemini API, extensão até 148 segundos |
| Resolução | 720p, 1080p e 4K (1080p e 4K só em clipes de 8 segundos), 24 quadros por segundo |
| Formatos | 16:9 e 9:16 |
| Referências | Até 3 imagens de um personagem, objeto ou cena |
| Som | Fala, efeitos e fundo são gerados junto com o vídeo |
| Versões | Veo 3.1, Veo 3.1 Fast, Veo 3.1 Lite |
| Marcação | Marca d'água invisível SynthID |
| No AI2Face | As três versões no gerador |

## O que é o Veo 3.1

Veo 3.1 é o modelo de vídeo do Google DeepMind que cria o clipe já com som. O Google apresentou o modelo em 15 de outubro de 2025 como atualização do Veo 3. Ele segue o prompt com mais precisão, segura o personagem com mais fidelidade entre cenas e trabalha o som com mais riqueza, de diálogos a efeitos sincronizados.

A família tem três modelos. Veo 3.1 é a qualidade máxima e chega a 4K. Veo 3.1 Fast é mais rápido e mais barato. Veo 3.1 Lite é o mais acessível e saiu em 31 de março de 2026. Em janeiro de 2026 o Google acrescentou o formato vertical 9:16 ao modo com referências e o upscale para 1080p e 4K.

Veo 3.1 não é o modelo de vídeo mais recente do Google. Em maio de 2026 saiu o [Gemini Omni](/pt/models/gemini-omni), e na documentação da Gemini API o Google o indica como modelo padrão. Veo 3.1 continua sendo a escolha para estender cenas, para o modo com último quadro e para 4K.

## O que o Veo 3.1 faz

**Som junto com o vídeo.** Veo 3.1 gera fala, efeitos e ruído de fundo ao mesmo tempo que a imagem. Não coloca o áudio depois. Uma fala entre aspas vira a voz do personagem.

[Um padeiro de avental tira do forno uma assadeira de croissants e fala para a câmera sorrindo](https://ai2face.com/_astro/media/models/veo-3-1/dialogue.mp4 "Prompt com uma fala entre aspas: voz, estalo do forno e sons da rua são gerados com o vídeo. Veo 3.1, 8 s, 1080p, recomprimido para 720p")

**Animar uma foto.** Envie uma imagem como primeiro quadro e descreva o movimento. O modelo conserva o rosto, a roupa e a luz do original.

[Uma mulher de cachos ruivos caminha em direção à câmera por uma floresta de outono com névoa e sorri, folhas caem](https://ai2face.com/_astro/media/models/veo-3-1/image-to-video.mp4 "Uma foto da nossa sessão de outono virou o primeiro quadro. Veo 3.1, 9:16, 8 s")

**Referências.** Até três imagens de um personagem, objeto ou cena. O modelo mantém a aparência no clipe inteiro. É assim que se faz uma série com o mesmo personagem ou o mesmo produto.

**Primeiro e último quadro.** Você define duas imagens e o modelo constrói a transição entre elas, com som. Serve para transformações: sala vazia que vira mobiliada, esboço que vira produto pronto.

[Uma sala vazia de paredes brancas vai sendo mobiliada: a parede fica verde e aparecem sofá, mesa, tapete e fícus](https://ai2face.com/_astro/media/models/veo-3-1/first-last-frame.mp4 "Modo primeiro e último quadro, Veo 3.1 Lite. O quadro final coincidiu com o pedido, mas no meio da transição a janela some por um instante")

**Extensão.** Na Gemini API você pode alongar o clipe em 7 segundos até 20 vezes, 148 segundos no total. O modelo continua a ação a partir do último segundo do clipe anterior.

## Para que o Veo 3.1 serve

- **Publicidade e produto.** Close do produto com som: o café é servido, a embalagem abre, o frasco gira.
- **Clipes curtos para redes.** Vertical 9:16 sem corte, fala e música num arquivo só.
- **Animar fotografias.** Um retrato, um produto ou um interior vira um clipe de 8 segundos.
- **Storyboard e pré-visualização.** Uma cena com movimento de câmera, luz e som antes da filmagem real.
- **Planos de atmosfera.** Natureza, clima e vistas de cidade com som ambiente.

[Uma chaleira de cobre serve café quente numa xícara branca sobre uma mesa de carvalho, o vapor sobe](https://ai2face.com/_astro/media/models/veo-3-1/product-sfx.mp4 "Tomada de produto: o som do café sendo servido e o tinido da xícara vêm do prompt. Veo 3.1, 16:9, 8 s")

## Veo 3.1 e modelos parecidos

| | Veo 3.1 | Gemini Omni 1.1 Flash | Seedance 2.5 |
|---|---|---|---|
| Desenvolvedor | Google DeepMind | Google DeepMind | ByteDance Seed |
| Lançamento | 15 de outubro de 2025 | 27 de agosto de 2026 | 2026 |
| Duração por geração | 4, 6, 8 s | 3–10 s | até 30 s |
| Extensão | até 148 s (API, 720p) | até 40 s | 2 extensões |
| Resolução máxima | 4K | 4K (upscale) | n/d |
| Som | sim | sim | sim |
| Referências | até 3 imagens | imagens e até 3 vídeos | texto, imagens, vídeo, áudio |
| No AI2Face | sim | sim | sim |

Veo 3.1 ganha em qualidade de imagem e de som num clipe curto, e no modo com último quadro. Gemini Omni Flash é mais flexível nas entradas e na API custa o mesmo que o Veo 3.1 Fast, menos que o Veo 3.1 completo. O [Seedance 2.5](/pt/models/seedance) faz os clipes mais longos numa geração só, e também está no AI2Face.

## Como escrever prompts para o Veo 3.1

O Google propõe uma fórmula de cinco partes: **câmera + sujeito + ação + ambiente + estilo e atmosfera**. O som se descreve à parte:

- **Fala** — entre aspas: `A mulher diz: «Está na hora de irmos.»`
- **Efeitos** — depois da marca `SFX:`: `SFX: um trovão ruge ao longe.`
- **Fundo** — `Ambient noise:` ou «som de fundo»: `zumbido baixo de um café`.
- **Movimento de câmera** — termos de operador: aproximação (dolly in), travelling (tracking shot), grua, voo de drone, POV.
- **Vários planos num clipe** — timecodes: `[00:00–00:02] plano médio…`, `[00:02–00:04] contraplano…`.
- **Exclusões** — por descrição, não por negação: «paisagem deserta sem casas nem estradas» em vez de «sem construções».

```
Voo de drone em direção a um farol branco num penhasco na tempestade ao anoitecer,
ondas enormes quebram nas pedras e levantam borrifos, o feixe do farol atravessa
uma chuva forte. SFX: rugido das ondas, uivo do vento, trovões distantes.
Cinematográfico, tons de azul escuro
```

[Um drone voa em direção a um farol num penhasco na tempestade, as ondas quebram nas pedras, um feixe de luz na chuva](https://ai2face.com/_astro/media/models/veo-3-1/storm-sfx.mp4 "O prompt acima: um movimento de câmera e três efeitos sonoros do texto. Veo 3.1, 16:9, 8 s")

Você pode escrever o prompt no seu idioma, mas termos de câmera em inglês deixam menos ambiguidade para o modelo. O Google não publica a lista de idiomas em que o Veo 3.1 fala. Teste uma fala no seu idioma num clipe curto.

## Veo 3.1, Fast e Lite: as diferenças

| | Veo 3.1 | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|
| Para quê | qualidade final | iterações rápidas | rascunhos e clipes em série |
| Resolução | 720p, 1080p, 4K | 720p, 1080p, 4K | 720p, 1080p |
| Referências | até 3 | até 3 | não |
| Primeiro e último quadro | sim | sim | sim |
| Extensão na API | sim | sim | não |
| Preço | base | mais baixo | segundo o Google, menos de 50% do Fast |

No gerador do AI2Face o 4K só existe no Veo 3.1 completo. Fast e Lite vão até 1080p. Comece no Lite ou no Fast para achar um prompt que funcione e faça a versão final no Veo 3.1 completo.

## Como usar o Veo 3.1 no AI2Face

1. Abra o gerador, escolha vídeo e o modelo: Veo 3.1, Fast ou Lite.
2. Escolha o modo: por texto, por foto, por referências ou por primeiro e último quadro.
3. Defina o formato (16:9 ou 9:16), a duração (4, 6 ou 8 segundos) e a resolução.
4. Ligue o som se precisar e comece. O custo em créditos aparece antes do início.

Uma imagem pronta do gerador pode virar na hora o quadro inicial do clipe. Um retrato do [Nano Banana 2](/pt/models/nano-banana-2), um modelo da família [Nano Banana](/pt/models/nano-banana), vira vídeo. O Veo 3.1 está no gerador do AI2Face, e o custo aparece antes de você gerar.

## Limites

- **1080p e 4K só em clipes de 8 segundos.** Clipes mais curtos são gerados em 720p.
- **Referências só funcionam com duração de 8 segundos.**
- **A extensão do clipe está disponível no AI2Face.** Na Gemini API, o Google só estende o clipe em 720p.
- **Pessoas no quadro.** Na UE, no Reino Unido, na Suíça e nos países do MENA, o Google só permite gerar adultos. O modelo não cria pessoas reconhecíveis, celebridades nem marcas.
- **Transições entre dois quadros** nem sempre são lisas. O quadro final coincide, mas no meio os detalhes podem «andar».
- **Armazenamento na API: 2 dias.** Clipes gerados pela Gemini API são apagados do servidor do Google depois de dois dias. No AI2Face o clipe fica no seu histórico.
- **Marcação.** Todos os clipes levam uma marca d'água invisível SynthID.

## Conclusões

Veo 3.1 é a escolha mais forte quando você precisa de um clipe curto com som de qualidade: anúncio, produto, atmosfera, animar uma foto. Fala e efeitos do prompt dispensam a etapa de locução. Para clipes longos numa geração só, veja o [Seedance 2.5](/pt/models/seedance). Para edição flexível e entradas mistas, veja o Gemini Omni Flash. Um jeito prático de gastar menos: ajuste o prompt no Lite ou no Fast em 720p e faça o final no Veo 3.1 em 1080p ou 4K. As três versões estão no gerador do AI2Face, e o custo aparece antes de você gerar. As imagens prontas do gerador viram o primeiro quadro do clipe.

## Perguntas frequentes

### Em que o Veo 3.1 difere do Veo 3?

O Veo 3.1 segue o prompt com mais precisão, segura melhor o personagem e entrega um som mais rico. O que é novo de fato são o modo com referências, o de primeiro e último quadro e a extensão do clipe, agora com som. O preço na API do Google continuou o mesmo.

### Quantos segundos de vídeo o Veo 3.1 faz?

4, 6 ou 8 segundos por geração. Na Gemini API você pode estender o clipe de 7 em 7 segundos até 20 vezes, 148 segundos no total, mas só em 720p. No AI2Face há clipes de 4, 6 e 8 segundos.

### O Veo 3.1 tem som e fala?

Sim. O modelo gera o som junto com o vídeo: falas, efeitos e ruído de fundo. Escreva a fala entre aspas e os efeitos depois da marca «SFX:». No AI2Face o som liga num interruptor.

### Onde fica o site oficial do Veo 3.1?

Não há um site separado. Oficialmente o Veo 3.1 roda no app Gemini, no Google AI Studio, pela Gemini API e no Vertex AI. Domínios com «veo» no nome pertencem a serviços de terceiros.

### Em que o Veo 3.1 Fast e o Lite diferem da versão completa?

O Fast é mais rápido e mais barato com o mesmo conjunto de funções. O Lite é o mais barato: o Google diz que custa menos da metade do Fast. O Lite não tem referências nem extensão, e o máximo é 1080p. No AI2Face o 4K só existe no Veo 3.1 completo.

### Dá para usar o Veo 3.1 em todos os países?

As três versões do Veo 3.1 estão no gerador do AI2Face, e o custo do clipe aparece antes de você gerar.

## Fontes

- 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