Veo 3 是 Google DeepMind 的视频生成模型，2025 年 5 月发布：你描述场景，它生成一条八秒的 clip，同步音频就在里面，对白也不例外。在 Gemini 应用里使用，那里也有带每日限额的免费额度；在 Flow（Google 专门的 AI 视频工具）里使用；或通过 API 使用。它是五大引擎里跟随提示词最精确的那个：你要一条逆光下雨中的侧向轨道镜头，得到的就是那个场景，不是它的表亲。这里告诉你怎么开始、真实成本、Veo 2、3 和 3.1 的区别，以及没人写的局限。
在我每周的工作里，Veo 3 的 clip 是最常一次成活的镜头。不是因为它魔法：因为它是忠实于你写的那句话的引擎。别人送你一个漂亮变体，和你要的场景相似；Veo 倾向于给你你想要的那个场景。如果你为客户做视频，而 brief 不容谈判，这个差别就是一切。
这篇指南是对 Veo 3 的放大镜：五个引擎的完整地图，谁在哪赢，在总指南用 AI 创建视频里。
其他模型给你一个和你要求相似的场景。Veo 给你那个场景：这就是 brief 写死时它总出现在我项目里的原因。
Veo 3 是什么（从哪来）
Veo 3 是 Google DeepMind 的 text-to-video 模型：你给它一段描述，或一张起始图，它返回一条八秒的 clip，运镜、动作和音频一起生成。音频是它和上一代区分开的转折：雨有自己的声音，脚步跟着步子走，人物说话时嘴唇同步。
三步的历史帮你定位，因为 Veo 上什么版本都还能找到，容易混：
- Veo 2 是上一代：clip 无音频、分辨率更低、对运镜的控制更少。有时还会作为「快速」选项出现：试试可以，生产是另一回事。
- Veo 3，2025 年 5 月发布，带来了同步音频和经得起与电影摄影对比的质量。那是 AI 视频不再是哑巴的时刻。
- Veo 3.1，当前版本，加入了连贯性：从最后一帧续起以延长场景的能力，以及在不同 clip 之间保持同一人物和物体的参考图。
今天有人搜「Veo 2」，几乎都是想知道跳到 3 值不值：值，音频是第一位的理由。
Veo 3 免费：真正能试的地方
我最常收到的问题是 Veo 3 能不能免费用。能，限制很明确：
- Gemini 里，免费计划：你可以每天用 Veo 的 Fast 版本生成几条视频，分辨率降低并带水印。确切数字没有官方公布而且会变：在我这几周大概每天三条。了解这个工具适不适合你，够了。
- Flow 里：Google Labs 的视频工具起步送试用积分，消耗得很快。Flow 适合搭场景，不适合免费生产。
- 所有正经的免费路径，放在一起，在专门的指南里：免费 AI 视频生成，Veo 是完整全景里的一项。
我的生产者诚实：Veo 的免费是用来学会写提示词的，不是用来干活的。如果你有一个带截止日期的项目，每日限额会让你停在半路，而停在半路是认识一个工具最糟的方式。
怎么用：五个步骤做第一条 clip
这是我今天会给起步者的路线，在 Gemini 免费计划上试过：
- 打开 Gemini（应用或网页），用自然语言要一段视频：「生成一段……的视频」。不需要记命令：Veo 读那句话。
- 用五个要素写场景：主体、动作、运镜、光、声音，按这个顺序，一句话写完。下面我留一个我真正在用的例子。
- 看结果，在错的部分上迭代。运镜漂了？重新声明它。光平了？点出光源。不要盲目重生成：每次尝试都有成本，即使免费，因为时间才是第一预算。
- clip 站得住、又需要延续场景时，把它转进 Flow：在那里你可以从最后一帧延长，并保留素材，也就是让后续 clip 保持一致的人物和物体参考。
- 在外面剪辑。八秒是一个镜头，不是一部视频：剪切、节奏和最终音频在剪辑里决定。没有模型给你这个。
在 Veo 上写作的回报比别处高，因为这个模型照办。我用的结构，一个适合第一次尝试的例子：
A woman in a beige trench coat walks alone through a night market, camera tracks laterally at walking pace, warm string lights and steam from food stalls, ambient chatter and her footsteps.
主体（有谁），动作（只有一个），运镜（声明出来），光（点出光源），声音（要求的声音）。Veo 认真对待每个零件：你声明了运镜，运镜就照做；你点出了光，光就从那里来。完整规则，包括「背景不要有人」反而招来背景有人这类陷阱，在总指南的提示词章节里。
Veo 2、Veo 3、Veo 3.1：实际差在哪
| Veo 2 | Veo 3 | Veo 3.1 | |
|---|---|---|---|
| 音频 | 没有，哑的 | 有，同步，对白也不例外 | 有，更好 |
| clip 时长 | 短 clip | 8 秒 | 8 秒，可从最后一帧延长 |
| 一致性 | 有限 | 单条 clip 内好 | clip 之间的人物和物体参考 |
| 在哪里找到 | 作为某些工具里的快速选项 | Gemini、Flow、API | Gemini、Flow、API：当前版本 |
| 什么时候选它 | 永远不，只要 3 够得着 | 写死的场景必须原样出来 | 有固定人物的项目 |
Veo 3 多少钱
三条路，三种价格逻辑。数字 2026 年 8 月核实：这个行业每月都在动，把它们当快照，决定前再核对官方页面。
| 路线 | 你付什么 | 什么时候合理 |
|---|---|---|
| Gemini 免费 | 0：每天几次 Veo Fast 生成，分辨率降低，带水印 | 学写提示词，试场景 |
| Google AI 计划 | 月订阅解锁更多生成、更高画质，Flow 给更多积分 | 每周生产 |
| Gemini API | 按 clip：720-1080p 约 0.40 美元，4K 0.60 美元 | 搭建产品和自动化流程 |
Veo 在哪里摔跤（以及怎么绕）
我每周用 Veo 并且推荐它，所以真缺点我也得讲：
- 每条 clip 八秒。这是镜头的格式，不是视频的：在 Flow 里延长或者剪辑。从「给我来个一分钟视频」过来的人要重新校准预期：一分钟是八条 clip，也就是八个写好的场景。
- 安全护栏。名人面孔、真实人物、敏感内容：Veo 过滤得很严。在给品牌做的工作里这几乎总是优点，但在把你们代言人的脸写进提示词之前，先知道这一点。
- 视频里的文字。和大家一样：字出来是歪的。文字永远在剪辑里合成。
- 意大利语唇形。英文跟得好，意大利语差一些：意大利语对白的配音放后期。
- 隐形水印。Veo 的视频内嵌 SynthID，Google 的隐形签名，声明文件的 AI 来源。看不见，去不掉，社交平台认得出它：来源要声明，永远。
什么时候我选 Veo，什么时候不
在我把场景分给引擎的方式里，Veo 拿走精确值钱的镜头：场景已经写好，客户确认了参考，必须原样出来。场景要求别的，我换引擎：
- 走动的人、手势、身体的物理：Kling 动得更好；
- 多个动作连续的场景、长 clip：Seedance 全都记得；
- 运镜、一致性和延长要一起管理的整个项目：我用导演平台 Higgsfield，引擎们带着周边工具一起住在那里。
如果你需要视频是为你的品牌，而且更希望天天做这件事的人在你这边：这就是我的本行。写信给我，从一个想法开始。
视频系列各篇指南
- 用 AI 创建视频，所有工具的完整地图（本系列的支柱文章）；
- Higgsfield，引擎们干活的导演平台；
- Seedance，长场景的引擎；
- Kling AI，写实派，最好的免费学校；
- Sora 2，storyboard 的先驱，今天背后全是追赶者；
- 免费 AI 视频生成，所有零成本路径。
来源
- Google DeepMind，模型官方页面：deepmind.google/models/veo
- Gemini，Veo 也能免费用的地方：gemini.google.com
- Flow，Google Labs 的视频工具：labs.google/flow
- Gemini API，视频生成价格：ai.google.dev
- 免费计划限额与模型行为：2026 年 8 月在应用内核实，与总指南同一轮核查
想第一时间看到更新和动态，可以加入我的 Telegram 频道
AI 视频工具的最新消息，我都会先发布在那里。
发表评论
评论会经过审核后才会公开显示。