Googles Veo 3.1 mit nativem Audio
Mach mit Veo 3.1 aus einem Prompt eine Szene im Kinolook mit eigenem Soundtrack: Eine Figur spricht, im Hintergrund prasselt der Regen. Alles in einem 8 Sekunden langen Clip.
Veo 3.1 ist Googles Modell für Text-zu-Video und Bild-zu-Video. Auf Pixel Dojo erstellt es 4 bis 8 Sekunden lange Clips mit bis zu 1080p in 16:9 oder 9:16. Jede Variante erzeugt den Ton zusammen mit dem Bild. Mit Standard und Fast gibst du Dialoge, Soundeffekte und Atmosphäre vor. Alle Clips auf dieser Seite haben wir damit erstellt. Zu jedem findest du den genauen Prompt als Startpunkt für deine eigenen Ideen. Standard, Fast und Lite stecken auf Pixel Dojo in einem Tool, neben allen führenden Videomodellen, sechs Studios und Sensei, dem KI-Regisseur. Solange dein Abo läuft, bleiben ungenutzte Credits erhalten. Die kommerzielle Nutzung ist in jedem Abo inklusive.
96 credits ($6.00) In jedem Tarif enthalten, ab 10 $ im Monat.
Schon Mitglied? Anmelden
Von Brian Lovett · Aktualisiert am
Wähle die Variante passend zur Aufnahme. Die Credit-Angaben gelten für einen 8 Sekunden langen Clip in 1080p, der Auflösung aller Clips auf dieser Seite.
| Variante | Ideal für | Cliplänge | Sound | Credits pro 8 s Clip |
|---|---|---|---|---|
| Standard | Gesichter, Dialoge und Hero-Shots | 4, 6 oder 8 s | Dialoge, Effekte und Atmosphäre | 96 mit Audio |
| Fast | Bewegung, Action und Social-Clips | 4, 6 oder 8 s | Dialoge, Effekte und Atmosphäre | 36 mit Audio |
| Lite | B-Roll, Hintergründe und viele Social-Clips | 8 s in 1080p | Sound inklusive | 16 |
Diese Clips haben wir auf Pixel Dojo mit Veo 3.1 erstellt, inklusive Sound: eine Dialogszene, eine Rallye-Verfolgungsjagd, ein Knetanimations-Kurzfilm, ein Kaffeespot und ein Flug über einen Canyon. Fünf Genres, ein Modell. Tippe bei einem Clip auf „Prompt verwenden“ und erstelle deine eigene Version.
Eine Dialogszene mit integriertem Sound. Er hört auf, die Laterne zu polieren, dreht sich um und spricht, während im Hintergrund der Regen prasselt. Warmes Laternenlicht auf seinem Gesicht trifft auf das kalte, regennasse Fenster. Nutze diesen Prompt als Basis für Aufnahmen mit sprechenden Figuren.
Medium close-up, slow push in. A lighthouse keeper in his sixties with a salt and pepper beard and a navy cable knit sweater stops polishing a brass lantern, turns to someone just off camera and says in a low, steady voice: "The storm turned north. We have one hour. Wake the others." Rain streams down the tall window behind him, warm lantern light on one side of his face against cold blue storm light, 35mm anamorphic lens, shallow depth of field, fine film grain. Sound: heavy rain on glass, a distant roll of thunder, the soft squeak of cloth on brass. No subtitles.
Motorsport-Action mit spürbarer Wucht. Das Auto driftet durch eine nasse Schotter-Haarnadelkurve, Schlamm spritzt fächerförmig von den Hinterrädern, und die nasse Fahrbahn spiegelt die Scheinwerfer. Alles in einer bodennahen Kamerafahrt. Nutze diesen Prompt als Basis für Verfolgungsjagden und Fahrzeugszenen.
Low tracking shot at wheel height. A mud caked rally car with plain unmarked bodywork slides sideways through a hairpin on a wet forest gravel road, the rear wheels throwing a fan of mud and stones toward the lens, headlights cutting through low morning mist, pine trunks streaking past, telephoto compression, slight camera shake, high contrast teal and amber grade. Sound: roaring turbo engine, popping exhaust, gravel rattling against the camera housing.
Stop-Motion-Charme aus einem Textprompt. Ein Knetfuchs mit Strickschal zieht warme Brotlaibe aus einem Ziegelofen und wendet sich zur Kamera, um seinen Satz zu sprechen. In der Knete sind Fingerabdrücke sichtbar, dahinter leuchten Glühbirnen. Nutze diesen Prompt als Basis für animierte Kurzfilme und Kindercontent.
Stop motion claymation, medium shot, locked camera. A small orange clay fox in a green knitted scarf pulls a tray of lumpy clay bread out of a tiny brick oven, sniffs it, and says proudly: "Perfect. Well, nearly." Visible thumbprint texture on the clay, felt curtains, warm tungsten practical lights, slightly stepped stop motion movement. Sound: an oven door creak, a cheerful plucked ukulele, a soft crackle of fire. No subtitles.
Ein Getränkespot in einem Clip. Sahne fließt in den Eiskaffee und breitet sich zwischen den Eiswürfeln nach unten aus. Kondenswasser perlt am Glas, bernsteinfarbenes Gegenlicht durchleuchtet das Getränk. Die Kamera bleibt statisch, wie bei einer Produktaufnahme im Studio.
Macro product shot, locked camera, slow motion. A thin stream of cream is already pouring into a tall clear glass of iced black coffee, blooming downward in slow marbled white clouds between the ice cubes, condensation beading on the cold glass, warm amber backlight glowing through the coffee against a deep charcoal background, 100mm macro lens, crisp commercial look. Sound: ice cubes clinking and cracking, the soft trickle of the pour, a low warm synth pad.
Große Landschaften für Reise- und Natur-Intros. Die Kamera gleitet knapp über einen türkisfarbenen Fluss, kippt über die Wasserfallkante und gibt den Blick auf einen Canyon aus schwarzen Basaltsäulen frei, mit einem Regenbogen in der Gischt. Alles in einem durchgehenden Überflug.
Aerial drone shot, fast and low, gliding over a turquoise glacial river toward the lip of a thundering waterfall, then tilting down as the ground drops away to reveal a vast canyon of black basalt columns filled with mist at sunrise, a rainbow in the spray, wide lens, crisp documentary look, no drone visible in frame. Sound: rushing wind, the building roar of falling water.
Wir haben denselben Prompt mit einer Tänzerin in Karminrot auf Standard, Fast und Lite mit 8 s und 1080p getestet, dazu eine 4 s Version auf Fast. Jede Variante behielt den einzelnen Lichtstrahl, den ziehenden Dunst und die rot leuchtende Seide vor grauem Beton bei. So wählst du nach Budget und behältst den Look.
Standard, 8 s. Der dichteste Dunst und die klarste Silhouette im Vergleich. Unter dem Licht von oben schwingt der Rock zu einem vollen roten Bogen auf.
Symmetrical wide shot, slow dolly in. A dancer in her thirties in a flowing crimson silk gown spins at the center of an empty raw concrete hall under a single hard shaft of white top light, the fabric flaring outward in a wide arc, dust drifting in the beam, deep shadows at the edges, 24mm lens, desaturated gray palette so the red dress glows. Sound: bare footsteps echoing, one sustained low cello note, the whoosh of silk.
Fast, 8 s. Die Seide schwingt schon in den ersten Frames auf und bleibt den ganzen Clip über in weiter Bewegung. Das wirkt selbst als Thumbnail.
Symmetrical wide shot, slow dolly in. A dancer in her thirties in a flowing crimson silk gown spins at the center of an empty raw concrete hall under a single hard shaft of white top light, the fabric flaring outward in a wide arc, dust drifting in the beam, deep shadows at the edges, 24mm lens, desaturated gray palette so the red dress glows. Sound: bare footsteps echoing, one sustained low cello note, the whoosh of silk.
Lite, 8 s. Dieselbe Inszenierung, sanft leuchtender Dunst und ein eigener Soundtrack zum niedrigsten Preis pro Clip. Das Kleid schwingt in einem weiten Kreis.
Symmetrical wide shot, slow dolly in. A dancer in her thirties in a flowing crimson silk gown spins at the center of an empty raw concrete hall under a single hard shaft of white top light, the fabric flaring outward in a wide arc, dust drifting in the beam, deep shadows at the edges, 24mm lens, desaturated gray palette so the red dress glows. Sound: bare footsteps echoing, one sustained low cello note, the whoosh of silk.
Fast, 4 s. Derselbe Look als kurzer Clip: ausgebreitete Arme, der Rock dreht sich ab dem ersten Frame. Für die Hälfte der Credits des 8 s Clips.
Symmetrical wide shot, slow dolly in. A dancer in her thirties in a flowing crimson silk gown spins at the center of an empty raw concrete hall under a single hard shaft of white top light, the fabric flaring outward in a wide arc, dust drifting in the beam, deep shadows at the edges, 24mm lens, desaturated gray palette so the red dress glows. Sound: bare footsteps echoing, one sustained low cello note, the whoosh of silk.
Diese Einstellungen findest du im Veo 3.1 Tool und in der API. Dazu gibt es Tipps für Ergebnisse wie in den Clips oben.
Wähle Standard für Dialoge und Nahaufnahmen, Fast für Bewegung und Action oder Lite für den niedrigsten Preis pro Clip. Du kannst denselben Prompt mit jeder Variante nutzen.
Beginne mit Einstellungsgröße und Kamerabewegung. Dann folgen ein konkretes Motiv mit einer einzigen Aktion, das Licht, das Objektiv und eine Zeile mit „Sound:“. Jeder Prompt auf dieser Seite folgt dieser Reihenfolge. Kopiere einen und setze dein eigenes Motiv ein.
Schreibe den gesprochenen Text in doppelte Anführungszeichen und beschreibe die Stimme, etwa „mit tiefer, ruhiger Stimme“. Schließe mit „Keine Untertitel.“ ab, damit das Bild frei von Text bleibt.
Lege Länge, Auflösung und Seitenverhältnis fest und generiere deinen Clip. Für längere Videos erstellst du mehrere Clips und schneidest sie zusammen. Oder du nutzt ein Standbild als Startbild für die nächste Aufnahme.
Veo 3.1 ist in jedem Pixel Dojo Abo ab 10 $/Monat enthalten. Solange dein Abo läuft, bleiben ungenutzte Credits erhalten. Das Tool zeigt dir vor dem Generieren den genauen Preis für deine Einstellungen.
Ein 8 Sekunden langer Clip in 1080p mit Audio kostet 96 Credits mit Standard und 36 Credits mit Fast. Ein 4 Sekunden langer Fast-Clip kostet 18 Credits. Ein 8 Sekunden langer Lite-Clip in 1080p kostet 16 Credits.
Mit Audio kostet Standard 12 Credits pro Sekunde, Fast 4,5 Credits. Ohne Audio sind es 8 und 3. Lite kostet 2 Credits pro Sekunde in 1080p und 1,5 in 720p.
Veo 3.1 ist Googles KI-Videogenerator. Er macht aus einem Textprompt oder einem Bild einen kurzen Clip im Kinolook mit generiertem Sound, inklusive Dialogen, Effekten und Atmosphäre. Auf Pixel Dojo stehen dir Standard, Fast und Lite in einem Tool zur Verfügung. Über die Pixel Dojo API nutzt du sie als veo-3.1-standard, veo-3.1-fast und veo-3.1-lite.
Szenen mit Sound. Jede Variante erzeugt Audio und Bild zusammen. So spricht eine Figur vor der Kamera, während im Hintergrund der Regen prasselt. Auch realistische Bewegungen sitzen: vom Schlamm, der vom Rallyeauto spritzt, bis zur Sahne, die sich im Eiskaffee ausbreitet. Dazu kommen stilisierte Looks wie Stop-Motion mit Knete.
Ja. Alle Varianten erzeugen Bild und Ton zusammen. Jeder Clip, den wir erstellt haben, hatte eine eigene Tonspur, auch mit Lite. Setze Dialoge in doppelte Anführungszeichen und Geräuschhinweise hinter das Label "Sound:". Beide Figuren, für die wir Dialoge geschrieben haben, sprechen vor der Kamera: der Mann an der Laterne und der Fuchs aus Knete.
Standard liefert die höchste Qualität, ist für Gesichter, Dialoge und Hero-Shots gemacht und unterstützt als einzige Variante Referenzbilder. Fast kostet pro Sekunde weniger als die Hälfte und glänzt bei Bewegung und Action. Lite bietet den niedrigsten Preis pro Clip und erzeugt bei jeder Aufnahme Ton.
Ja. Was du erstellst, gehört dir. In jedem Abo.
Mit einem kostenlosen Konto bekommst du jeden Tag 3 kostenlose Effekte, um Pixel Dojo auszuprobieren. Veo 3.1 ist in jedem Abo ab 10 $/Monat enthalten. Solange dein Abo läuft, werden ungenutzte Credits in den nächsten Monat übertragen. Ein 8 Sekunden langer Lite-Clip kostet 16 Credits, mit Fast sind es 36 inklusive Ton.
Ja. Alle drei Varianten unterstützen ein Startbild. Zusätzlich kannst du ein Endbild vorgeben, auf das der Clip hinführt. Standard unterstützt außerdem bis zu 3 Referenzbilder, damit dein Motiv oder Look konsistent bleibt.
Schreib oben einen Prompt oder starte mit einem Beispiel von dieser Seite. Ein Tarif umfasst alle Top-Modelle, sechs Studios und Sensei, und deine Credits werden übertragen.
Mit Veo 3.1 starten