Veo 3.1 de Google, con audio nativo
Convierte un prompt en una escena de cine con su propia banda sonora: un personaje dice su frase bajo el sonido de la lluvia en un solo clip de 8 segundos.
Veo 3.1 es el modelo de Google que convierte texto e imágenes en video. En Pixel Dojo crea clips de 4 a 8 segundos, con resolución de hasta 1080p y formato 16:9 o 9:16. Todas las versiones generan sonido junto con la imagen. Con Standard y Fast puedes escribir diálogos, efectos de sonido y ambiente. Creamos todos los clips de esta página con este modelo y cada uno incluye el prompt exacto para que lo uses como punto de partida. Standard, Fast y Lite están en una sola herramienta de Pixel Dojo, junto a los principales modelos de video, seis estudios y Sensei, el director de IA. Tus créditos se acumulan mientras mantengas tu suscripción y todos los planes incluyen uso comercial.
96 credits ($6.00) Incluido en todos los planes, desde 10 $ al mes.
¿Ya tienes cuenta? Inicia sesión
Por Brian Lovett · Actualizado
Elige la versión según lo que necesite tu plano. Los créditos corresponden a un clip de 8 segundos a 1080p, la resolución que usamos en todos los clips de esta página.
| Versión | Ideal para | Duración del clip | Sonido | Créditos por clip de 8 s |
|---|---|---|---|---|
| Standard | Rostros, diálogos y planos protagonistas | 4, 6 u 8 s | Diálogos, efectos y ambiente | 96 con audio |
| Fast | Movimiento, acción y clips para redes | 4, 6 u 8 s | Diálogos, efectos y ambiente | 36 con audio |
| Lite | Planos de recurso, fondos y clips para redes en volumen | 8 s a 1080p | Sonido integrado | 16 |
Creamos estos clips en Pixel Dojo con Veo 3.1 y el sonido activado: una escena con diálogo, una persecución de rally, un corto de plastilina, un anuncio de café y un vuelo sobre un cañón. Cinco géneros, un modelo. Pulsa «Usar este prompt» en cualquier tarjeta y crea tu propia versión.
Una escena de diálogo con sonido integrado. Deja de pulir el farol, se gira y dice su frase sobre el sonido de la lluvia. La luz cálida del farol ilumina su rostro y contrasta con la ventana fría surcada por la lluvia. Usa este prompt como base para cualquier plano de un personaje hablando.
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.
Acción de motor con peso real. El auto derrapa en una curva cerrada de grava mojada, las ruedas traseras lanzan barro en abanico y la carretera húmeda refleja los faros. Todo en un único plano de seguimiento a baja altura. Usa este prompt como base para persecuciones y escenas con vehículos.
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.
Todo el encanto del stop motion a partir de un prompt de texto. Un zorro de plastilina con bufanda de punto saca panes calientes de un horno de ladrillo y se gira hacia la cámara para decir su frase. La plastilina conserva las huellas de los dedos y unas bombillas brillan al fondo. Usa este prompt como base para cortos de animación y contenido infantil.
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.
Un anuncio de bebida en un solo clip. La crema cae en el café frío y se expande entre el hielo, las gotas de condensación cubren el vaso y una luz ámbar a contraluz atraviesa la bebida. La cámara permanece fija, como en una sesión de producto en estudio.
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.
Paisajes a gran escala para abrir videos de viajes y naturaleza. La cámara vuela a ras de un río turquesa, cruza el borde de la cascada y descubre un cañón de columnas de basalto negro con un arcoíris entre el agua pulverizada. Todo en un único vuelo continuo.
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.
Probamos el mismo prompt de la bailarina de rojo carmesí en Standard, Fast y Lite a 8 s y 1080p, más una versión de 4 s en Fast. Todas las versiones mantuvieron el único haz de luz, la bruma en movimiento y la seda roja brillando contra el concreto gris. Así puedes elegir según tu presupuesto sin renunciar a la estética.
Standard, 8 s. La bruma más rica y la silueta más nítida del conjunto, con la falda desplegada en un arco rojo completo bajo la luz cenital.
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. La seda ya se despliega desde los primeros fotogramas y se mueve con amplitud durante todo el clip. Destaca incluso en miniatura.
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. La misma puesta en escena, una bruma suave y luminosa y su propia banda sonora al menor precio por clip, con el vestido desplegándose en un amplio círculo.
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. La misma estética en una versión corta, con los brazos abiertos y la falda girando desde el primer fotograma, por la mitad de los créditos del clip de 8 s.
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.
Estos son los controles de la herramienta y la API de Veo 3.1, con consejos para conseguir resultados como los clips de arriba.
Elige Standard para diálogos y primeros planos, Fast para movimiento y acción, o Lite para el menor precio por clip. Puedes usar el mismo prompt en cualquier versión.
Empieza por el tamaño de plano y el movimiento de cámara. Sigue con un sujeto concreto realizando una sola acción, la luz, el objetivo y una línea «Sonido:». Todos los prompts de esta página siguen ese orden: copia uno y cambia el sujeto por el tuyo.
Escribe lo que dice entre comillas dobles y describe la voz, por ejemplo, «con voz grave y firme». Termina con «Sin subtítulos.» para mantener el encuadre limpio.
Ajusta la duración, la resolución y la relación de aspecto, y genera el video. Para una pieza más larga, crea varios clips y únelos en el montaje, o usa una imagen fija como imagen inicial del siguiente plano.
Veo 3.1 está incluido en todos los planes de Pixel Dojo, desde $10/mes, y tus créditos se acumulan mientras mantengas tu suscripción. La herramienta muestra el precio exacto de tus ajustes antes de generar.
Un clip de 8 segundos a 1080p con audio cuesta 96 créditos en Standard y 36 créditos en Fast. Un clip de 4 segundos en Fast cuesta 18 créditos. Un clip de 8 segundos en Lite a 1080p cuesta 16 créditos.
Por segundo con audio activado, Standard cuesta 12 créditos y Fast, 4,5 créditos. Sin audio, cuestan 8 y 3. Lite cuesta 2 créditos por segundo a 1080p y 1,5 a 720p.
Veo 3.1 es el generador de video con IA de Google. Convierte un prompt de texto o una imagen en un clip corto de estilo cinematográfico con sonido generado, incluidos diálogos, efectos y ambiente. En Pixel Dojo ofrece tres versiones, Standard, Fast y Lite, desde una sola herramienta. También está disponible a través de la API de Pixel Dojo como veo-3.1-standard, veo-3.1-fast y veo-3.1-lite.
En escenas con sonido. Todas las versiones generan el audio junto con la imagen, de modo que un personaje puede decir su frase en cámara sobre el sonido de la lluvia. También clava el movimiento del mundo real, desde el barro que sale disparado de un auto de rally hasta la crema que se expande en un café con hielo, y estéticas como la animación de plastilina en stop motion.
Sí. Todas las versiones generan sonido junto con la imagen, y todos los clips que creamos, incluidos los de Lite, tenían su propia pista de audio. Escribe los diálogos entre comillas dobles y las indicaciones de sonido después de la etiqueta "Sound:". Los dos personajes para los que escribimos diálogos, el hombre junto al farol y el zorro de arcilla, hablan ante la cámara.
Standard ofrece la máxima calidad, está pensado para rostros, diálogos y planos estrella, y es el único que admite imágenes de referencia. Fast cuesta menos de la mitad por segundo y destaca en movimiento y acción. Lite tiene el precio más bajo por clip y genera sonido en cada plano.
Sí. Lo que creas te pertenece, en todos los planes.
Con una cuenta gratuita tienes 3 efectos gratis al día para probar Pixel Dojo. Veo 3.1 está incluido en todos los planes desde $10/mes, y los créditos se acumulan mientras mantengas tu suscripción. Un clip de 8 segundos con Lite cuesta 16 créditos, y con Fast, 36 con audio.
Sí. Las tres versiones admiten una imagen inicial, y puedes añadir un fotograma final para definir cómo termina el clip. Standard también admite hasta 3 imágenes de referencia para mantener la coherencia del sujeto o del estilo visual.
Escribe un prompt arriba o parte de cualquier ejemplo de esta página. Un solo plan incluye todos los modelos top, seis estudios y Sensei, y tus créditos se acumulan.
Empieza con Veo 3.1