Quatre, six ou huit secondes
Durée de génération sélectionnable par clip.
Veo 3.1 de Google DeepMind génère de courts clips avec un son synchronisé à 48 kHz et les prolonge en séquences plus longues en réutilisant les images finales.
Ouvrez cette page sur un navigateur de bureau pour commencer à créer.
Veo 3.1 est le modèle vidéo de Google DeepMind, et il adopte une approche différente de la durée par rapport à la plupart des acteurs du secteur.
Plutôt que d’étirer une seule génération, il produit des clips de quatre, six ou huit secondes, puis les prolonge : les dernières images d’un clip deviennent les premières du suivant, de sorte qu’une séquence se développe plan par plan, avec une continuité préservée à chaque raccord. Cette structure vous offre un point de décision entre chaque segment, au lieu d’un seul long lancer de dés, ce qui constitue une façon sensiblement différente de construire une vidéo.
Utilisez Veo 3.1 lorsque le résultat final dure plus qu’un seul plan. Assemblez des séquences narratives, des films de campagne, des visites guidées et toute création dont la seconde moitié dépend de la manière dont la première s’est déroulée.

Veo 3.1 est un modèle de génération vidéo par IA développé par Google DeepMind, proposé dans Virse aux côtés d’une variante moins coûteuse appelée Veo 3.1 Fast. Les deux acceptent une première image, une dernière image, ou les deux, accompagnées d’un brief écrit.
Le modèle s’articule autour de trois atouts majeurs :
Les générations durent quatre, six ou huit secondes, en 16:9 et en vertical 9:16. Les deux versions diffèrent par leur coût et leur qualité de rendu plutôt que par ce qu’elles acceptent ; ainsi, un brief rédigé pour l’une fonctionne sans modification sur l’autre.

Durée de génération sélectionnable par clip.
Les images finales d’un clip deviennent l’ouverture du suivant.
Véritable sortie 3840×2160, avec 1080p et 720p en dessous.
Dialogue, effets sonores et ambiance sonore générés avec l’image.
Paysage et vertical à partir du même brief écrit.
Veo 3.1 et Veo 3.1 Fast, avec des entrées identiques.
L’extension de scène transforme la durée en une série de décisions plutôt qu’en un engagement unique. Si le troisième segment pose problème, vous régénérez le troisième segment — pas l’ensemble de la vidéo.
Comme l’extension part des dernières images du clip précédent, le sujet, l’éclairage et le décor persistent après la coupe au lieu d’être recréés à partir d’une description.
En stéréo 48kHz, le son répond à une spécification qui résiste à un vrai montage, sans devoir être remplacé avant toute diffusion.
Quatre, six ou huit secondes constituent un véritable choix, et cela compte, car le rythme est davantage déterminé par la durée que par tout autre élément du brief.
3840×2160 rendu directement, pour les travaux destinés à être projetés, recadrés ou livrés en taille réelle.
Veo 3.1 Fast accepte des entrées identiques, si bien que la passe d’exploration et la passe de livraison utilisent le même prompt sur des entrées différentes.
Une séquence chaînée n’est maîtrisable que si vous pouvez voir la chaîne. Le quatrième segment repose sur le troisième, et si le troisième est remplacé, tout ce qui suit doit être revérifié. Virse conserve l’ensemble du déroulé dans l’ordre sur une seule toile. Chaque extension se place après le clip dont elle est issue, de sorte que la structure de la séquence reste visible au lieu d’être enfouie dans une convention de nommage de fichiers.
Chaque segment se trouve à côté de celui qu’il prolonge, ce qui rend un raccord défaillant évident au premier coup d’œil.
Remplacez un maillon de la chaîne et reconstruisez à partir de là, plutôt que de recommencer toute la pièce.
Passez de Veo 3.1 à plus de 30 autres modèles d’image et de vidéo sans quitter le canevas ni réécrire le brief.
Produisez l’image d’établissement avec un modèle d’image dans le même espace de travail et démarrez la chaîne à partir de celle-ci.
Pièces multi-segments assemblées plan par plan, avec une continuité entre les raccords.
Vidéo de marque conçue pour une durée qu’une génération unique ne peut pas atteindre.
Démonstrations prolongées qui présentent le produit de manière cohérente d’un segment à l’autre.
Images de lieu où l’ambiance compte autant que l’image.
Sortie 9:16 pour les fils d’actualité, à partir du même brief que la version paysage.
Storyboards transformés en références animées, prolongés en séquences complètes.
Fast pour l’exploration, l’option standard pour la livraison. Choisissez quatre, six ou huit secondes selon le rythme souhaité.
Téléversez la composition sur laquelle la séquence commence, ainsi que celle de clôture si le plan doit aboutir à un endroit précis.
Indiquez le mouvement, le comportement de la caméra et le mixage — et soyez précis sur la façon dont le segment se termine.
Utilisez les images de clôture pour générer le plan suivant, et vérifiez chaque raccord avant de continuer.
Un prompt Veo 3.1 utile comprend généralement cinq éléments :
Au lieu d’écrire
Un plan spectaculaire de vagues frappant des rochers, cinématographique, avec une musique épique.
Écrivez
Un plan large de vagues grises se brisant contre de la roche volcanique noire sous une lumière couverte. Chaque houle se soulève et s’effondre à un rythme tranquille, les embruns étant emportés vers la droite par le vent. Caméra fixe sur trépied, légèrement au-dessus de la ligne de flottaison. L’audio est composé uniquement d’eau et de vent, sans musique. Terminer sur une vague qui se retire, laissant la roche luisante.
Ouvrir sur la composition de l’image 1 : une station-service rurale au crépuscule, une seule lumière d’auvent allumée, aucune voiture et personne. Des insectes traversent le faisceau de la lumière de l’auvent. Tout le reste est immobile. La caméra se déplace lentement vers la droite à vitesse constante, en gardant l’auvent dans le cadre tout du long. Cigales, bourdonnement électrique de la lumière, un véhicule lointain qui passe sans apparaître. Pas de musique. Terminer avec l’auvent sur le bord gauche et la route ouverte remplissant la droite.
Ouvrir sur un casque circum-auriculaire fermé reposant sur une surface en noyer foncé, éclairé par une seule source au-dessus et derrière. Les oreillettes pivotent pour s’ouvrir lentement et uniformément pendant les deux premières secondes, tandis que la caméra avance légèrement puis s’arrête. Faible ambiance de pièce avec un léger clic mécanique lorsque les oreillettes atteignent leur position ouverte. Pas de musique. Terminer avec le casque entièrement ouvert, remplissant la moitié inférieure du cadre.
Un homme en veste en toile se tient dans une allée de magasin de bricolage, tenant un pot de peinture et lisant l’étiquette. Il lève les yeux vers quelqu’un hors champ et dit : « C’est bien la mate, celle-ci ? » Caméra statique en plan moyen depuis l’extrémité de l’allée, aucun mouvement. Bourdonnement des néons, bruit lointain de rayonnages, sa voix à un niveau de conversation, pas de musique. Terminer sur lui qui rebaisse les yeux vers le pot.
| Critère | Veo 3.1 Fast | Veo 3.1 |
|---|---|---|
| Conçu pour | Exploration et timing | Livraison |
| Entrées | Identique à la version standard | Identique à Fast |
| Durées des clips | Quatre, six ou huit secondes | Quatre, six ou huit secondes |
| Extension de scène | Oui | Oui |
| Audio | Facultatif, stéréo 48kHz | Facultatif, stéréo 48kHz |
| Plage de sortie | 720p à 4K | 720p à 4K |
L’état final devient l’ouverture du segment suivant. Une fin approximative se propage dans tout ce que vous construisez après.
Vérifiez la transition entre les segments avant de générer le suivant. Les erreurs s’accumulent le long d’une chaîne.
"Pas de musique, seulement l’ambiance de la pièce et des bruits de pas" peut être dirigé. "Musique épique" est une sensation que le modèle doit deviner.
Quatre à huit secondes suffisent à contenir une seule action. Empiler les événements est précisément ce que la segmentation vise à éviter.
Construisez la séquence par morceaux, vérifiez chaque raccord et conservez les points de décision qu’une seule longue génération vous ferait perdre.