Generatore video Veo

Veo è il modello video di Google DeepMind. Veo 3.1 trasforma un prompt, un fermo o un primo e ultimo fotogramma in una clip di 4, 6 o 8 secondi, con il suono nella stessa generazione. I limiti vengono dalla documentazione dell’API Gemini.

01 — Funzionalità

Un piano finito, il suono già dentro

Veo 3.1 è specificato come un piano breve, non come una timeline. Durata, risoluzione e riferimenti sono parametri, e diversi funzionano insieme solo a 8 secondi.

01
L’audio nasce con l’immagine
Dialogo, effetti e ambiente escono nella stessa generazione. Il prompt può portare indizi sonori: il suono non è una traccia da allineare dopo.
02
Solo 4, 6 o 8 secondi
Sono le durate che Veo 3.1 accetta. 1080p, 4K, immagini di riferimento e l’estensione video richiedono l’impostazione a 8 secondi. Non c’è una modalità da 30 secondi.
03
Primo fotogramma, ultimo, tre riferimenti
Puoi animare un’immagine, interpolare dal primo all’ultimo fotogramma o passare fino a tre immagini di riferimento. Veo 3.1 Lite non accetta riferimenti. Il controllo finisce qui.
04
Fino al 4K, due rapporti
Il modello completo elenca 720p, 1080p e 4K a 24 fps, in 16:9 o 9:16. Lite non ha il 4K. Risoluzioni più alte sono più lente e più care, e l’estensione resta a 720p.

02 — Dal prompt al risultato

Prompt che descrivono le clip

Ogni prompt descrive l’immagine della sua scheda. «Usa questo prompt» manda il testo a Create. Il generatore di questa pagina esegue Seedance 2.5, non Veo.

01 · Ritratto
PromptPrimo piano di un giovane con capelli ricci e maglione grigio, luce morbida dalla finestra. Distoglie lo sguardo, poi sorride. Avvicinamento lento, profondità di campo ridotta.
02 · Prodotto
PromptUna sneaker di pelle bianca su sfondo da studio grigio chiaro, luce diffusa. La camera orbita piano. Le cuciture restano leggibili, l’inquadratura resta vuota.
03 · Strada
PromptCarrellata lenta in un vicolo acciottolato di un vecchio paese europeo. Rose rampicanti sui muri di pietra, tavolini da caffè al sole del mattino, poche persone in lontananza.
04 · Personaggio
PromptUna giovane con capelli castani alle spalle e maglietta verde oliva, luce dorata del tardo pomeriggio. Gira la testa e guarda fuori campo. Brezza nei capelli, camera a mano.

03 — Dove funziona

Lavori che stanno in un tetto di 8 secondi

La specifica di Veo è un solo piano con il suono. Le storie più lunghe vanno montate altrove.

Una battuta già cronometrata
Otto secondi bastano per una frase, bocca e testo generati insieme. Non bastano per una conversazione.
Verticale, oppure solo orizzontale
I rapporti documentati sono 16:9 e 9:16. Quadrato, 4:3 e 21:9 non sono nell’elenco parametri di Veo 3.1.
Hai già entrambi i fermi
L’interpolazione tra primo e ultimo fotogramma è il caso che Veo scrive in chiaro: due immagini e il movimento in mezzo, a 8 secondi.
Un movimento di camera, non una scena
Un push-in o un’orbita breve ci stanno. Una sequenza su più luoghi non sta in 8 secondi, tanto meno insieme alle opzioni di risoluzione che chiedono quegli stessi 8 secondi.

04 — Verdetto

Che cosa la specifica garantisce davvero

Punti di forza

Audio nativo, con indizi di dialogo nel prompt
Interpolazione tra un primo e un ultimo fotogramma
720p, 1080p e 4K a 24 fps su Veo 3.1
Fino a tre immagini di riferimento sul modello completo

Compromessi

Otto secondi sono il massimo, e diversi controlli esistono solo a quella durata
Solo 16:9 e 9:16
Estendere una clip abbassa l’uscita a 720p
Veo non è disponibile su ImgToVid

05 — A confronto

Veo 3.1, Sora 2 e Kling 4.0

Tre clip, tre tetti. I numeri di Sora vengono dall’ultima guida API di OpenAI. L’app Sora ha chiuso il 26 aprile 2026 e l’API video il 24 settembre 2026.

	Veo 3.1	Sora 2	Kling 4.0
Sviluppatore	Google DeepMind	OpenAI	Kuaishou
Una clip	4, 6 o 8 secondi	4–20 secondi finché l’API era attiva	3–30 secondi
Immagine	720p, 1080p, 4K a 24 fps	Fino a 1920×1080 su Sora 2 Pro	720p, 1080p e 4K in elenco
Suono	Nativo, con l’immagine	Dialogo ed effetti sincronizzati	Stereo, con sync labiale
Controllo	Primo fotogramma, ultimo, fino a 3 riferimenti	Fino a 2 personaggi salvati	Fino a 15 riferimenti, o fino a 10 fotogrammi chiave
Su ImgToVid	In arrivo	In arrivo	In arrivo

06 — Come funziona

Iniziare una clip su ImgToVid

Passo 1
Descrivi un solo piano
Soggetto, azione, camera. Se il suono conta, dì che cosa si sente nella stessa frase. Veo non sarà il modello che parte.
Passo 2
Usa il generatore di questa pagina
Esegue Seedance 2.5, perché Veo qui non è offerto. Il prompt e le impostazioni passano a Create.
Passo 3
Genera in Create
Abbonamento e crediti si controllano lì. Tornare su questa pagina non commuta il modello su Veo.

07 — Domande frequenti

Veo, senza giri di parole

Che cos’è Veo?

Veo è il modello video di Google DeepMind. La linea documentata ora è Veo 3.1, con una variante Fast e una Lite, tramite l’API Gemini.

Quanto dura una clip Veo 3.1?

4, 6 o 8 secondi. 1080p, 4K, immagini di riferimento ed estensione video richiedono 8 secondi.

Veo genera l’audio?

Sì. Veo 3.1 genera l’audio in modo nativo con il video, e il prompt può includere indizi come dialogo e ambiente.

Quali fotogrammi posso bloccare?

Un’immagine in ingresso, un ultimo fotogramma facoltativo per l’interpolazione e fino a tre immagini di riferimento su Veo 3.1 e Veo 3.1 Fast. Lite non accetta riferimenti. Il rapporto è 16:9 o 9:16.

Posso generare video Veo su ImgToVid?

No. Il generatore di questa pagina esegue Seedance 2.5 per abbozzare un piano. Veo è segnato come in arrivo.

Posso usare i risultati in modo commerciale?

L’uso commerciale di ciò che generi su ImgToVid dipende dal piano. Controlla Pricing e i nostri Terms prima di pubblicare, e assicurati che prompt e caricamenti non violino diritti altrui.