水晶苹果 ASMR
虚构水晶苹果的微距画面，咬合和碎裂声随动作生成。
Veo 3.1 视频生成：文字或图片变有声视频
谷歌 Veo 3.1 把文字或起始图片变成有声短片，可同时生成对白、音效和音乐。选择 Quality、Fast 或 Lite，再安排首尾帧或参考图，输出横屏或竖屏视频，分辨率可选 720p、1080p、4K。
本页的参考图模式目前只能上传 1 张参考图，尚未提供模型 API 的视频延长入口。图生视频模式可以另加尾帧。
需要灵感吗？
示例
Use the first image (the open doors of an old wooden barn at sunrise) as the opening frame and the second image (a rider on horseback in a golden field) as the final frame. The camera glides forward through the barn doors and out into the field in one continuous move. Warm light, wind, distant hoofbeats.
这是参考示例。
谷歌 Veo 3.1，用文字安排画面和声音
Veo 3.1 是 Google DeepMind 的视频模型，在 Veo 3 的基础上增加了更细的镜头控制。它可用文字或图片生成 4–8 秒片段，同时生成对白、动作音效、环境声或音乐。想要人物说话时，把具体台词写在引号里。
本页提供 Quality、Fast 和 Lite。三者都支持首帧、可选尾帧和竖屏；Fast、Lite 另提供参考图生视频，本页目前可上传 1 张参考图。可先用人物、商品或风格图确定画面方向。
Veo 3.1 Fast、Quality 和 Lite 怎么选
先按参考图需求和所需积分选择版本。
| 项目 | Veo 3.1 Quality | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|
| 适合用途 | 更看重画面细节的镜头 | 日常制作和反复调整 | 更省积分的草稿 |
| 文生视频 | 支持 | 支持 | 支持 |
| 首帧及可选尾帧 | 支持 | 支持 | 支持 |
| 本页参考图 | 不支持 | 1 张，固定 8 秒 | 1 张，固定 8 秒 |
| 片长 | 4、6、8 秒 | 4、6、8 秒 | 4、6、8 秒 |
| 比例 | 16:9、9:16、自动 | 16:9、9:16、自动 | 16:9、9:16、自动 |
| 分辨率 | 720p、1080p、4K | 720p、1080p、4K | 720p、1080p、4K |
| 原生声音 | 支持 | 支持 | 支持 |
| 参考图生视频片长 | 不适用 | 固定 8 秒 | 固定 8 秒 |
4K 所需积分多于 1080p。谷歌将声音功能标为实验性，少数片段可能没有声音，生成后请试听检查。
和其他有声模型按用途对比
参考素材、片长和镜头安排各有不同。
| 项目 | Veo 3.1 | Seedance 2.0 | 可灵 Kling 3.0 |
|---|---|---|---|
| 开发方 | Google DeepMind | 字节跳动 | 快手可灵 |
| 片长 | 本页 4–8 秒 | 4–15 秒 | 3–15 秒 |
| 最高分辨率 | 4K | 标准版 4K | 4K |
| 比例 | 16:9、9:16 | 16:9、9:16、1:1、4:3、3:4、21:9 | 16:9、9:16、1:1 |
| 参考素材 | 本页 1 张图片；模型 API 上限 3 张 | 模型上限 9 张图、3 段视频、3 段音频；本站对应页面各上传 1 个文件 | 主体参考可用图片、短视频和人声 |
| 原生声音 | 支持 | 支持 | 支持 |
| 侧重点 | 写实画面、对白口型、首尾帧转场 | 参考视频中的动作和运镜 | 最多 5 镜头叙事 |
看示例里的镜头和声音
点卡片会把对应设置填进上方操作区，示例图仅供参考。
动画角色
紫色鱼形生物游过水下图书馆，适合检查风格化角色的外观连续性。
首尾帧转场
用两张图安排镜头起点和终点，再用文字描述中间的移动过程。
参考图生成
本页可用一张图提供人物、商品或风格，生成后检查各项是否保留。
球场边的对白
两个人物、一句台词和球场环境声一次生成。
短片里的连续动作
安排一个清楚的动作，检查片段内主体和光线是否连续。
谷歌视频生成，在网页里按三步操作
不需要另装应用或配置 API，先选择输入方式。
选择模型和生成方式
选 Fast、Quality 或 Lite，再选“文生视频”“图生视频”或“参考图生视频”。图生视频可加尾帧；参考图生视频只用于 Fast 和 Lite。
写一个明确镜头
描述主体、动作、环境、运镜和声音，台词用引号标出。选择比例、分辨率和时长（4、6 或 8 秒）；参考图固定 8 秒。
试听并下载
确认“用 Veo 3.1 生成视频”按钮上的积分后生成。结果完成后检查动作和声音，再下载保存。
安排镜头两端、参考外观和声音
首尾帧、参考图、声音和片段连续性，下面各举一例。
首尾帧确定镜头两端
一张首帧可直接开始；加入尾帧后，用文字说明怎样到达结尾，适合转场、亮相和前后变化。结果需检查中间动作。
参考图确定人物和物品
Fast 和 Lite 在本页可用 1 张图提供角色、商品或风格，生成固定 8 秒片段；Quality 不提供此模式。
声音和画面一起生成
对白、动作音效、环境声或音乐可以放在同一提示词中。声音功能仍有实验性，重要台词和节奏应在完成后核对。
先检查短片内的连续性
本页每次生成 4–8 秒片段。检查人物、物品和动作是否连贯，再决定是否另写构思生成下一段；不同任务不保证衔接一致。
用短镜头先验证构思
社交短片
制作带声音的 9:16 竖屏片段，再放入自己的完整视频。
商品和品牌
尝试商品亮相、广告构思或人物讲解，检查外观和文案是否准确。
影视和分镜
用会动、会说话的镜头检查对白节奏和场景想法。
教学说明
把概念或场景做成短演示，发布前核对知识内容，避免把生成画面当作真实记录。
8 秒内，先把一个动作写清楚
提示词像给拍摄团队说明镜头，按顺序交代即可。
先写景别，再写主体和动作
例如中近景、一位咖啡师、完成拉花、阳光下的咖啡馆。
对白标明说话人
例如穿红衣的女性说“我们做到了”。用引号保留具体台词。
声音具体到场景
写雨点敲玻璃、人群低语等声音；不想要配乐时说明不要音乐。
每段只安排一种主要运镜
推进、环绕或跟拍选一个，让动作有足够时间完成。
使用前常见问题
了解片长、参考图、声音和所需积分。
它是 Google DeepMind 的视频模型，支持文字、首尾帧和参考图，在本页生成 4–8 秒有声视频。
Quality 更侧重画面细节；Fast 所需积分较少、适合反复调整；Lite 更省积分，适合打草稿。Fast 和 Lite 支持参考图，Quality 不支持。
不是，但最长 8 秒。新生成片段可选 4、6、8 秒，参考图生视频固定 8 秒。本页尚未提供模型 API 的延长入口；需要较长成片时，可把已下载短片放入剪辑工具，另行安排衔接。
支持。可选 720p、1080p、4K，以及 16:9 横屏或 9:16 竖屏。选“自动”时，会按上传图片选接近的比例，4K 所需积分更多。
需要。按模型版本、分辨率和生成方式计算，片长不影响积分，开始前“用 Veo 3.1 生成视频”按钮上会显示具体数量。注册即送 100 积分；首次购买任意套餐或积分包后，这些积分会解锁并永久有效。
先用较低分辨率检查动作，再决定是否提高规格。4、6、8 秒按当前设置收取相同积分，片长缩短也不会少扣。Lite 或 Fast 可用于草稿，每次提交前确认按钮上的积分。
不需要。选择模型，输入文字或上传图片，用本站积分提交即可。
可以写明景别、运镜和主体动作。图生视频还可用首尾帧确定开场和结尾；想参考主体外观时，选择支持参考图的 Fast 或 Lite，本页可上传 1 张参考图。
EzImgMaker 是独立服务，通过第三方 API 服务商提供 Veo 3.1，和谷歌或谷歌 DeepMind 没有关联，也没有获得其背书或赞助。
只使用自己拥有或已获准使用的图片。涉及他人肖像时先取得同意，不要制作冒充真人的误导内容。
用一个场景开始尝试
写一段画面和声音描述，或上传首帧，再选择合适的模型版本和输出设置。
Google、Veo 和 Google DeepMind 是 Google LLC 的商标。EzImgMaker 是独立服务，和上述公司没有关联，也没有获得其背书或赞助。