Veo KI-Videogenerator
Veo ist das Videomodell von Google DeepMind. Veo 3.1 macht aus einem Prompt, einem Standbild oder einem ersten und letzten Frame einen Clip von 4, 6 oder 8 Sekunden, den Ton in demselben Durchgang. Die Grenzen stehen in der Gemini-API-Dokumentation.
01 — Fähigkeiten
Eine fertige Einstellung, Ton inklusive
Veo 3.1 ist als kurzer Shot spezifiziert, nicht als Timeline. Länge, Auflösung und Referenzen sind Parameter, und mehrere davon gelten nur gemeinsam bei 8 Sekunden.
01
Ton entsteht mit dem Bild
Dialog, Effekte und Atmosphäre kommen im selben Durchgang. Der Prompt kann Audiohinweise tragen. Der Ton ist keine Spur, die du danach ausrichtest.
02
Nur 4, 6 oder 8 Sekunden
Das sind die Längen, die Veo 3.1 annimmt. 1080p, 4K, Referenzbilder und Videoverlängerung verlangen die Einstellung 8 Sekunden. Einen 30-Sekunden-Modus gibt es nicht.
03
Erstes Frame, letztes Frame, drei Referenzen
Du kannst ein Bild animieren, vom ersten zum letzten Frame interpolieren oder bis zu drei Referenzbilder übergeben. Veo 3.1 Lite nimmt keine Referenzen. Das ist der Steuerumfang.
04
Bis 4K, in zwei Seitenverhältnissen
Das volle Modell listet 720p, 1080p und 4K bei 24 fps, in 16:9 oder 9:16. Lite hat kein 4K. Höhere Auflösung dauert länger und kostet mehr, und eine Verlängerung bleibt bei 720p.
02 — Vom Prompt zum Ergebnis
Prompts, die zu den Clips passen
Jeder Prompt beschreibt das Bild auf der Karte. „Diesen Prompt verwenden“ schickt den Text an Create. Der Generator auf dieser Seite läuft mit Seedance 2.5, nicht mit Veo.
- 01 · Porträt
PromptNahaufnahme eines jungen Mannes mit lockigem Haar im grauen Strickpullover, weiches Fensterlicht. Er blickt weg und lächelt dann. Langsamer Push-in, geringe Schärfentiefe.
- 02 · Produkt
PromptEin weißer Ledersneaker auf hellgrauem Studiohintergrund, weiches Licht. Die Kamera umkreist langsam. Die Naht bleibt lesbar, das Bild bleibt leer.
- 03 · Straße
PromptLangsamer Dolly durch eine Kopfsteinpflastergasse in einem alten europäischen Ort. Kletterrosen an Steinmauern, Cafétische im Morgenlicht, ein paar Menschen in der Ferne.
- 04 · Figur
PromptEine junge Frau mit schulterlangem braunem Haar im olivgrünen T-Shirt, goldenes Spätnachmittagslicht. Sie dreht den Kopf und blickt aus dem Bild. Wind im Haar, Handheld.
03 — Einsatzbereiche
Aufgaben, die unter eine 8-Sekunden-Decke passen
Die Spezifikation von Veo ist eine einzelne Einstellung mit Ton. Längere Geschichten musst du woanders schneiden.
Ein Satz, schon getimt
Acht Sekunden reichen für einen gesprochenen Schlag, Mund und Satz gemeinsam erzeugt. Für ein Gespräch reichen sie nicht.
Hoch oder quer, sonst nichts
Dokumentiert sind 16:9 und 9:16. Quadrat, 4:3 und 21:9 stehen nicht in der Parameterliste von Veo 3.1.
Beide Standbilder liegen schon vor
Die Interpolation vom ersten zum letzten Frame ist der Fall, den Veo ausdrücklich nennt: zwei Bilder und die Bewegung dazwischen, bei 8 Sekunden.
Eine Kamerabewegung, keine Szene
Ein Push-in oder eine kurze Umkreisung passt. Eine Folge über mehrere Orte passt nicht in 8 Sekunden, schon gar nicht zusammen mit den Auflösungsoptionen, die ebenfalls diese 8 Sekunden wollen.
04 — Fazit
Was die Spezifikation wirklich zusichert
Stärken
- Nativer Ton, Dialoghinweise stehen im Prompt
- Interpolation zwischen erstem und letztem Frame
- 720p, 1080p und 4K bei 24 fps auf Veo 3.1
- Bis zu drei Referenzbilder beim vollen Modell
Kompromisse
- Acht Sekunden sind das Maximum, und mehrere Steuerungen gibt es nur in dieser Länge
- Nur 16:9 und 9:16
- Eine Verlängerung senkt die Ausgabe auf 720p
- Veo ist auf ImgToVid nicht verfügbar
05 — Im Vergleich
Veo 3.1, Sora 2 und Kling 4.0
Drei Clips, drei Decken. Die Zahlen zu Sora stammen aus OpenAIs letztem API-Guide. Die Sora-App schloss am 26. April 2026, die Videos-API am 24. September 2026.
06 — So funktioniert es
Einen Clip auf ImgToVid beginnen
Schritt 1
Eine Einstellung beschreiben
Motiv, Aktion, Kamera. Wenn der Ton zählt, schreib in denselben Satz, was zu hören ist. Veo wird nicht das Modell sein, das läuft.
Schritt 2
Den Generator auf dieser Seite nutzen
Er läuft mit Seedance 2.5, weil Veo hier nicht angeboten wird. Prompt und Einstellungen gehen mit nach Create.
Schritt 3
In Create erzeugen
Mitgliedschaft und Credits werden dort geprüft. Zurück auf diese Seite schaltet das Modell nicht auf Veo um.
07 — Häufige Fragen
Veo, ohne Umschweife
Was ist Veo?
Veo ist das Videomodell von Google DeepMind. Die aktuell dokumentierte Linie ist Veo 3.1, mit einer Fast- und einer Lite-Variante, über die Gemini-API.
Wie lang ist ein Veo-3.1-Clip?
4, 6 oder 8 Sekunden. 1080p, 4K, Referenzbilder und Videoverlängerung verlangen 8 Sekunden.
Erzeugt Veo Ton?
Ja. Veo 3.1 erzeugt den Ton nativ mit dem Video, und der Prompt kann Hinweise wie Dialog und Atmosphäre enthalten.
Welche Frames kann ich festlegen?
Ein Eingabebild, optional ein letztes Frame für die Interpolation und bis zu drei Referenzbilder bei Veo 3.1 und Veo 3.1 Fast. Lite nimmt keine Referenzen. Das Seitenverhältnis ist 16:9 oder 9:16.
Kann ich auf ImgToVid Veo-Videos erzeugen?
Nein. Der Generator auf dieser Seite läuft mit Seedance 2.5, damit du eine Einstellung entwerfen kannst. Veo ist als demnächst markiert.
Darf ich die Ergebnisse kommerziell nutzen?
Die kommerzielle Nutzung dessen, was du auf ImgToVid erzeugst, hängt von deinem Plan ab. Prüfe Pricing und unsere Terms vor der Veröffentlichung, und stelle sicher, dass Prompts und Uploads keine Rechte Dritter verletzen.
08 — Mehr entdecken
Weitere Videomodelle
Der Button auf dieser Seite ist nicht Veo
Die Einstellung kannst du trotzdem entwerfen. Der Generator läuft mit Seedance 2.5, und der Prompt geht mit nach Create.
In Create entwerfen