声音参与场景创作
Veo 3 不只生成无声画面，还能把人物说话、口型和环境音效一起纳入场景。创作咖啡店对话或产品讲解时，可在提示词中分别写清谁说话、说什么，以及背景声音，让声音成为镜头叙事的一部分，而不是只留给后期补充。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生音画能力
- 视频与音频联合生成，支持对白、口型同步及场景音效
- 原生公开清晰度
- 1080p 高清视频
- 创作方式
- 文生视频、图生视频；veo3 为 Quality 模式
- 图片控制
- 1 张首帧参考；2 张首尾帧参考
- 视频画幅
- 16:9 横屏、9:16 竖屏
- 输出选项
- 默认 720p，可选 1080p、gif；支持 get1080p
- 调用与交付
- POST /veo/videos，model=veo3；支持异步任务、回调和视频链接交付
原生规格描述 Veo 3 的音画生成能力，画幅、图片控制和结果获取方式对应本平台的调用入口。
核心能力
了解 veo3 能为你的工作带来什么。
从静态图片设计运动
有现成视觉素材时，可用图片确定画面起点，再用文字描述人物动作、物体运动和镜头变化。一张图片适合让产品照或插画动起来；两张图片用于首尾帧创作，适合先确定开场与收束构图，再设计中间的动态过程。
镜头结果接入应用
文字创作适合从场景描述起步，图像创作适合已有构图的任务。完成后可获取视频链接及视频 ID，并继续获取 1080p 版本。异步任务与回调便于把生成流程接入内容工作台，不必让用户一直等待同一个请求完成。
适用场景
从具体任务出发，找到模型发挥作用的位置。
带对白的广告片段
输入产品卖点、人物动作、简短台词和场景氛围，制作有人物讲述的广告镜头。例如让店员介绍新品，并写明顾客回应和店内环境声。交付物是可供挑选、剪辑的音画片段，适合先验证广告表达，再补充品牌字幕与包装。
产品图片动态展示
输入产品图片和运动要求，制作镜头缓慢推进、主体转动或背景产生变化的展示片段。若已有开场和结尾设计，可提交首尾帧图片，引导画面从展示状态过渡到收束状态，生成素材再用于商品介绍或社交媒体视频。
故事镜头与培训情境
把脚本拆成明确的短场景，逐段描述角色、空间、动作与对白，生成故事分镜或服务培训情境。例如制作柜台点单、接待问询等交流镜头。交付后按脚本顺序剪辑，并检查对白和动作是否符合教学目标，而非直接当作完整课程。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
重视镜头质量，选择标准版
veo3 属于 Quality 模式，适合把重点放在正式素材的镜头表现与音画表达上。veo3-fast 的定位更偏向速度和快速迭代；需要探索多种广告创意或反复调整提示词时，可先考虑 Fast。两者是不同版本，不应把速度定位理解为固定完成时间。
按参考方式选择相关版本
只有文字、单张起始图片或一组首尾帧时，veo3 的创作方式已经覆盖这些需求。如果任务需要把多张图片中的人物、服饰和产品元素组合进同一场景，应考虑 veo31-fast-ingredients；若明确需要 4K 输出，则考虑支持该选项的 veo31。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- veo3 不支持 4K 输出，也不能把首尾帧创作当作多图素材融合。两张图片分别用于控制开始和结束画面；需要组合多个独立参考元素时，应选择相应的多图创作型号，而不是继续增加图片数量。
- 原生对白与口型同步能力不等于逐字、逐帧准确保证。正式发布前，应检查台词内容、发音、嘴部动作和环境声；品牌名称或关键说明建议保留字幕校对与后期修订环节。
- 首尾帧可以帮助确定镜头边界，但不代表中间动作会严格按分镜执行。复杂转场建议先简化为明确的主体和运动关系；需要完整长片时，应拆分镜头生成，再剪辑组织成连续叙事。
常见问题
解答使用 veo3 时的常见疑问。
veo3 和 veo3-fast 怎么选？
veo3 是 Quality 模式，适合重视镜头表现的素材制作；veo3-fast 更偏向快速迭代，适合探索创意和测试提示词。选择时先看任务阶段：概念试验优先考虑 Fast，正式镜头可考虑标准版，不必假定每次都存在相同的耗时差。
一张图片和两张图片有什么区别？
将 action 设为 image2video，通过 image_urls 提交图片链接。一张图片用于首帧创作，两张图片用于首尾帧创作。提示词应描述从起点到终点的动作与镜头变化，而不是把两张图片当成可自由融合的素材集合。
能生成对白和环境声音吗？
Veo 3 具备原生音画联合生成能力，可以创作人物对白、口型同步和场景音效。建议在提示词里明确说话角色、台词与背景声，并在结果中试听检查。提示词自动翻译是文字处理功能，不等同于视频对白配音或语言转换。
怎样获取 1080p 视频？支持 4K 吗？
可以选择 resolution=1080p，也可对已生成的视频使用 action=get1080p。后一种方式需要提交结果中的视频 ID 作为 video_id，不是 task_id。veo3 不支持 4K；对输出清晰度有更高要求时，可考虑 veo31。
如何在应用里等待 veo3 生成完成？
设置 async=true 可先取得 task_id，随后查询任务结果；也可设置 callback_url 接收完成通知。成功结果包含视频链接、视频 ID 和状态。应用应以完成状态为准展示视频，并区分任务 ID 与视频 ID，分别用于跟踪任务和获取高清版本。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。