Actualizado
Veo 3.1: el modelo de vídeo de Google, el único aquí que graba en 4K
Veo es el modelo de generación de vídeo de Google. Escribe la pista de audio junto con la imagen y no cobra nada extra por ella — pero eso también lo hace su vecino Hailuo. A Veo se le elige por otras dos cosas: es el único motor aquí que llega a 4K, y el único donde las frases de los personajes se escriben dentro de la propia petición — entre comillas, como en un guion, y el modelo las pronuncia.
Abajo está el modelo en sí, no una captura. Describe una escena o sube un fotograma: la respuesta llega a esta misma página y el primer intento no pide registro.
Qué estás probando
Esto no es un modo demo: la petición va al mismo modelo que usa el chat principal. La única diferencia es que aquí la conversación termina tras la primera respuesta — puedes continuar en el chat y el clip se va contigo. El vídeo tarda entre diez segundos y unos minutos, lo cual es normal; no hace falta cerrar la página.
4K: la razón por la que se cambia a él
Los demás motores conectados se quedan en 720p. Veo graba en 720p, 1080p y 4K, y es la única forma de conseguir aquí un clip que no se deshaga en una pantalla grande o al recortarlo en el montaje.
El coste no es solo económico. 1080p y 4K solo están disponibles con los ocho segundos completos: los clips de cuatro y seis segundos no se pueden pedir en alta resolución, así que intentar ahorrar en duración sencillamente no funciona aquí.
El habla: se escribe en el prompt, no se graba
Veo genera siempre una pista de audio y ya va incluida en el precio — no hay interruptor ni recargo. Lo interesante es que el modelo distingue tres tipos de sonido dentro de la petición.
- Diálogo: entre comillas. «Creo que es aquí», dijo en voz baja. El modelo lo pronuncia con la voz del personaje, ajustando la boca.
- Efectos: como texto normal. «Chirrido de neumáticos», «un portazo» — caen en el momento justo y no quedan de fondo.
- Ambiente: como descripción. «Lluvia sobre el tejado», «el zumbido lejano de una autopista».
En qué se diferencia de Hailuo
En Hailuo el personaje que habla se construye a partir de una fotografía y una grabación de voz: tú aportas una muestra y habla con esa voz. Veo no acepta voz de entrada en absoluto: tú escribes el guion y el modelo elige la voz. Lo primero importa cuando importa de quién es la voz; lo segundo cuando importa qué se dice y no quieres buscar una muestra.
Cuatro modos
| Modo | Qué se aporta | Cuándo hace falta |
|---|---|---|
| Texto a vídeo | Solo una descripción | No hay fotograma pero sí guion. El único modo sin la restricción de solo adultos — ver más abajo. |
| Fotograma a vídeo | Una imagen, opcionalmente una segunda | Animar una foto. La segunda imagen fija el último fotograma y da una transición controlada de una a otra — así se hacen morphs y cortes guionizados. |
| Referencias | Hasta tres imágenes | Mantener el aspecto de una persona, un personaje o un producto. No está en lite y siempre da ocho segundos. |
| Extensión | Un clip de Veo en 720p ya generado | Continuar una escena unos siete segundos más. Las condiciones son estrictas — ver el aviso siguiente. |
La extensión no funciona como se espera
«Continuar el clip» significa aquí algo muy estrecho: la entrada tiene que ser un clip generado por la propia Veo, en 720p y de los últimos dos días. Un vídeo ajeno, un clip propio en 1080p y un clip propio de hace una semana quedan descartados los tres.
Si hay que rehacer o continuar material ajeno, eso no es Veo sino Seedance, el único motor que acepta un archivo que no produjo. Y para continuar una escena sin límite de plazo es más fiable extraer el último fotograma del clip y volver a meterlo como imagen inicial — una operación de archivo normal que no genera nada.
Tres versiones, y la diferencia es mayor de lo que parece
En la mayoría de las familias la versión rápida es un veinte por ciento más barata. Aquí son varias veces, y elegir versión mueve la factura más que todo lo demás junto.
| Versión | Precio por segundo en 720p | Qué la limita |
|---|---|---|
| Veo 3.1 | La tarifa base — unas cuatro veces la rápida | Nada: todos los modos, todas las resoluciones, referencias y extensión. |
| Veo 3.1 Fast | Alrededor de una cuarta parte de la estándar | Todos los modos disponibles. En 4K es aproximadamente la mitad de la estándar — allí la distancia se acorta. |
| Veo 3.1 Lite | Como la mitad de la rápida — unas diez veces más barata que la estándar | Sin 4K, sin referencias, sin extensión. Solo generación y animar un fotograma. |
Lo que Veo no hará
Conviene saberlo antes, así que sin suavizar.
- Nada más largo de ocho segundos. Es el techo más bajo de los motores conectados: Seedance y Grok Imagine llegan a quince. Lo más largo se monta uniendo clips, y unir es gratis.
- Ni cuadrado ni 4:5. Solo 16:9 y 9:16. Para fichas de producto eso significa recortar en el montaje en vez de elegir la proporción al generar.
- No animará la foto de un menor. La generación solo con texto permite cualquier persona, pero en cuanto la entrada es una imagen — animar un fotograma, interpolación, referencias — el modelo admite solo adultos. La restricción se aplica sola y no se negocia.
- No quitará el sonido. La pista se genera siempre. Un clip mudo significa quitar el audio en el montaje.
- No aceptará material ajeno en ningún modo — ver el aviso sobre la extensión.
Cómo no gastar de más
El vídeo es la operación más cara del chat, y los multiplicadores de Veo son especialmente duros: ocho segundos por defecto, versión estándar por defecto y 4K se multiplican hasta un orden de magnitud sobre un borrador.
- Borradores en lite, 720p y cuatro segundos. El encuadre, el movimiento y la idea sonora ya se ven ahí, y cuesta unas veinte veces menos que un 4K de ocho segundos en la versión estándar.
- Sube la resolución al final. Recuerda que 1080p y 4K fuerzan ocho segundos: al subir la resolución también alargas el clip, o sea que pagas dos veces.
- Ajusta los diálogos en la versión rápida. Si el modelo acierta con la entonación y no cambia el texto se ve igual en fast; pasa a la estándar solo con el guion ya cerrado.
- No pidas 4K «por si acaso». Si el clip va a stories o a un feed, nadie verá la diferencia con 1080p y la tarifa es una vez y media mayor.
Preguntas frecuentes
¿Qué es Veo y de quién es este modelo?
¿Veo puede hacer vídeo con sonido?
¿Cuál es la resolución máxima de Veo?
¿De qué duración saldrá el clip?
¿Se puede continuar o editar un vídeo ya hecho en Veo?
¿En qué se diferencia Veo de Hailuo si ambas tienen sonido?
¿Por qué Veo se niega a animar mi foto?
¿Se puede obtener vídeo vertical o cuadrado?
¿Hay que elegir Veo a mano en el chat?
Ejemplos y precios en la página de generación de vídeo. Qué conectamos y cuándo, en la entrada sobre el lanzamiento de 3.1. Otros modelos, en el índice del libro; el vídeo en general, en el libro de generación de vídeo.
Pruébalo tú mismo
Todo lo de esta guía funciona en Twelver
Un chat para texto, imágenes, vídeo, música y voz — sin servicios ni suscripciones aparte.
Abrir el chat de Twelver