Veo 3.1 (Вео 3): нейросеть Google для видео со звуком и промты

Главное:

• Veo 3 генерирует видео и звук за один проход: речь, шумы и музыку в одном ролике.
• Актуальная ревизия линейки — Veo 3.1: ролики 4, 6 или 8 секунд, разрешение до 4K.
• Доступа без оплаты из России нет: Flow закрыт по геолокации, а из Gemini API Veo 3.1 убрали в октябре 2026 года.
• В каталоге IskraGen модель Veo 3.1 стоит от 150 ₽ за генерацию в тире Lite до 360 ₽ в тире Quality, оплата рублями.
• Для ролика без звука есть Hailuo Standard Text to Video от 28 ₽.

Почти все генераторы видео отдают немой ролик, к которому звук приходится подбирать отдельно. Veo 3.1, актуальная версия нейросети Veo 3 от Google (по-русски её часто пишут «Вео»), устроена иначе: она придумывает картинку и звуковую дорожку одновременно. Из-за этого модель ищут чаще остальных — и одновременно чаще остальных не могут ею воспользоваться, потому что официальные витрины Google из России не открываются. Ниже — что Veo 3.1 реально умеет, как писать для неё промты, сколько стоит один ролик в рублях и в каких случаях эту цену платить не нужно.

Veo 3 — нейросеть Google, которая делает видео сразу со звуком

Veo 3 — это генератор видео от Google, который создаёт изображение и звуковую дорожку за один проход: реплики персонажей, шумы окружения и музыку под настроение сцены.

Google DeepMind описывает возможность прямо: модель позволяет добавлять звуковые эффекты, фоновый шум и даже диалоги, генерируя весь звук нативно. Слово «нативно» здесь ключевое. Звук не подставляется поверх готовой картинки отдельным сервисом — он рождается вместе с кадрами. Поэтому шаги персонажа попадают в звук шагов, а губы двигаются под ту фразу, которую он произносит.

Что именно попадает в дорожку:

• Диалоги — речь с частотой дискретизации 48 кГц, с паузами и интонацией под сцену.
• Звуковые эффекты — модель выводит их из содержимого кадра: дождь в дождливой сцене, гул толпы в толпе.
• Фоновая музыка — подкладывается под настроение и темп сцены, когда это уместно.

Разница с обычным маршрутом видна на секундомере. Классическая сборка ролика с синхронной речью — это шесть отдельных шагов: сгенерировать видео, отдельно получить речь, отдельно подобрать музыку и шумы, собрать всё в редакторе, синхронизировать и выставить уровни. На один клип уходит примерно 30–50 минут. У Veo 3 этапа сборки звука просто нет: сгенерировал, посмотрел, взял в работу или перегенерировал.

В англоязычной выдаче ту же модель ищут как Veo 3 AI, в русской — как Veo 3 нейросеть. Речь об одном продукте Google DeepMind, разные написания ничего не меняют. Нейросети Google Veo 3 живут в видеоредакторе Flow и в корпоративной платформе Gemini Enterprise Agent Platform, а из Gemini API превью Veo 3.1 убрано 22 октября 2026 года. Для российского пользователя закрыты все эти пути. К этому вернёмся ниже.

Звук при этом не эксклюзив одной компании. По обзорам рынка, у Sora 2 он тоже есть, а старшие модели Kling добавляют нативное аудио с наценкой 25–33 % к стоимости генерации. Отличие Veo 3 в том, что звук у неё включён всегда и не оформляется отдельной опцией: модель физически не умеет отдать немой ролик.

Что умеет Veo 3.1: длина ролика, разрешение и контроль кадра

Актуальная ревизия линейки — Veo 3.1: она делает ролики на 4, 6 или 8 секунд в разрешении до 4K и принимает до трёх референсных изображений.

В каталоге IskraGen модель называется Veo 3.1 — это и есть та самая свежая ревизия, а не предыдущая версия под старым именем. К нативному звуку Veo 3 она добавила три вещи: контроль первого и последнего кадра, референсные изображения и продление уже готовой сцены. Плюс более точное следование промпту.

Ограничения спрятаны в сносках документации, и о них лучше знать заранее. С референсными изображениями ролик получается только восьмисекундным. Вывод в 4K у Google есть лишь в старшей версии Veo 3.1, а облегчённая Lite отдаёт не больше 1080p и референсы не принимает.

Каждое видео помечается невидимым водяным знаком SynthID — инструментом Google для маркировки и распознавания сгенерированного контента. В кадре его не видно, качество он не портит, но метка остаётся в файле.

Слабые места у модели тоже есть. Хуже всего даются сложные взаимодействия рук с мелкими предметами и фон при быстрых облётах камеры — он начинает искажаться. При замене участка внутри готового ролика может сбиваться синхронный звук, ради которого модель и берут. Модерация работает на стороне сервера и жёстко режет сцены насилия, NSFW-контент и попытки сделать дипфейк реального человека.

Практический вывод простой: Veo 3 лучше всего отрабатывает короткую сцену с одним действием, одним персонажем и одной репликой. Сложный сюжет надёжнее разбить на несколько восьмисекундных планов и собрать их встык.

Ключевые параметры Veo 3.1 по документации Google.

Промты для Veo 3.1: формула и примеры

Промт для Veo 3.1 собирается из шести частей: объект, действие, место и время, стиль, движение камеры и атмосфера, а звук описывается отдельными предложениями. Такой порядок предлагает гайд Google по промптам для Veo, и он хорошо работает с моделью в любой витрине.

Формула: [кто или что в кадре] + [что делает] + [где и когда] + [стиль] + [ракурс и движение камеры] + [атмосфера], а дальше — отдельные фразы про звук: реплика, звуковые эффекты, фоновый шум.

Три правила, которые экономят дубли:

• Звук — отдельными предложениями. Google советует прямо писать, что нужен звук, и описывать его отдельно от картинки: кто что говорит, какие звуки слышны, какой фон.
• Реплика — короткая. Восьми секунд хватает на одну-две фразы. Длинный монолог модель скомкает или оборвёт.
• Нежелательное — без слова «не». Гайд не рекомендует писать «no» и «don't»: в поле негативного промпта перечисляют то, чего не должно быть в кадре, например «subtitles, text, watermark».

Примеры промтов под копирование:

1. Говорящий персонаж: Medium shot of an elderly fisherman mending a net on a wooden pier at dawn, soft golden light, slow dolly in. He looks up and says: "The sea is calm today." Sound of seagulls and gentle waves.
2. Реклама продукта: Extreme close-up of a cold soda can on a bar counter, condensation drops sliding down, neon reflections, slow arc shot around the can. Sound of a can opening and fizzing, quiet lounge music in the background.
3. Атмосферная сцена: Wide shot of a rainy night street in an old European city, a woman with a red umbrella walks away from the camera, cinematic style, static shot. Sound of heavy rain, distant thunder and footsteps on wet cobblestones.
4. Динамика: Low-angle tracking shot of a skateboarder rolling down a sunny concrete ramp, handheld camera, summer afternoon. Sound of wheels on concrete and a crowd cheering.
5. Природа: Aerial drone shot over a misty pine forest at sunrise, slow forward movement, calm mood, soft natural colors. Ambient sound of birds and wind in the trees.
6. Интерьер и речь: Over-the-shoulder shot of a barista handing a cup of coffee across the counter in a cozy cafe, warm morning light. The barista says: "Your cappuccino is ready." Sound of a coffee machine and quiet chatter.

Промт можно писать и по-русски, но англоязычные операторские термины модель распознаёт точнее. Реплику, которая должна прозвучать по-русски, так и пишут по-русски, а язык речи проверяют на первом дубле.

Шпаргалка операторских терминов для Veo 3.1

Операторские термины в промте управляют ракурсом и движением камеры точнее, чем описание своими словами. Ниже — термины из гайда Google по промптам Veo, которые чаще всего пригождаются в коротком ролике.

Один-два термина на ролик достаточно. Если в промте сразу облёт, наезд и съёмка с рук, модель выберет что-то одно или смешает движения, а быстрые облёты к тому же искажают фон.

Veo 3 без оплаты: почему из России такого доступа нет

Доступа к Veo 3 без оплаты из России нет: официальные витрины Google закрыты по геолокации, а пробный уровень Flow добирается только до облегчённой модели.

Разберём по маршрутам, чтобы не тратить вечер на попытки.

• Flow. Видеоредактор Google с российского адреса не открывается: сайт перенаправляет на заглушку «not available in your country» ещё до входа в аккаунт. Проверка от 11 августа 2026 года с сервера в Санкт-Петербурге даёт тот же результат.
• Gemini API. Превью Veo 3.1 здесь отключено 22 октября 2026 года, Google предлагает перейти на Gemini Omni Flash или на корпоративную Gemini Enterprise Agent Platform. Стабильные версии Veo 3.1 теперь живут только в этой платформе Google Cloud, а российские карты на её биллинге не проходят.
• Google AI Studio. Россия отсутствует в официальном списке регионов, где доступны Gemini API и AI Studio. Это не сбой и не временная мера.
• Подписка. Прямая покупка подписки Google из России недоступна: сервисы и платёжные системы заблокированы, российские карты на биллинге не проходят.

Пробный уровень у Flow действительно существует — 50 кредитов в сутки, но только на облегчённую модель Lite. До него всё равно нужно сначала добраться, а из России этот путь закрыт.

Поэтому попытки запустить Veo 3 без оплаты упираются в неприятный, но честный ответ: сгенерировать ролик в Veo 3 из России даром не получится. Сайты, обещающие обратное, обычно либо продают доступ через посредника, либо подсовывают другую модель под именем Google.

Что реально меняет картину — форма оплаты. У Google это месячная подписка: платишь за месяц, даже если ролик нужен один. В каталоге IskraGen Veo 3.1 оплачивается поштучно, за конкретную генерацию, рублями и без VPN. Подписки нет, обязательств на месяц вперёд тоже.

Сколько стоит ролик Veo 3 и когда эта цена оправдана

В каталоге IskraGen Veo 3.1 продаётся тремя тирами по цене от 150 ₽ за Lite до 360 ₽ за Quality. Все три отдают 4K и звук, различается детализация кадра и точность следования промпту. Quality имеет смысл, когда сцену нельзя переснимать.

У самого Google логика другая: в Gemini Enterprise Agent Platform модель разделена на три уровня — Veo 3.1, Fast и Lite, а цена зависит от разрешения и от того, нужен ли звук. У старшей Veo 3.1 отдельный тариф на 4K, у Lite вывода в 4K нет вовсе. Но весь этот прайс для российского пользователя теоретический: без доступа к Google Cloud платить по нему нечем.

Когда ролик Veo 3 оправдан:

• В кадре говорящий человек, и реплика должна попадать в губы.
• Нужен рекламный ролик с закадровым голосом и атмосферой без монтажа.
• Сцена держится на звуке: дождь, толпа, шум цеха, шаги по гравию.
• Результат нужен сразу готовым, без передачи файла монтажёру.

Когда переплата:

• Немой b-roll, фон под текст, заставка или переход.
• Тесты промптов и подбор композиции — их дешевле гонять на лёгкой модели.
• Ролик, который всё равно поедет в монтаж со своей музыкой.

Правило простое: если из ролика можно убрать звук и ничего не потеряется, Veo 3 не нужен. Арифметика наглядная. Veo 3.1 стоит от 150 ₽ до 360 ₽ в зависимости от тира. Для сравнения, Hailuo Standard Text to Video стоит от 28 ₽ за каждую из тринадцати генераций, а Kling - V2.5 Turbo Text to Video Pro — от 55 ₽ за каждый из шести роликов. Большее число попыток помогает найти нужный кадр, когда синхронная дорожка не требуется.

Для сравнения, в средней ценовой полосе каталога живёт Kling 2.6 Text to Video от 50 ₽, а MiniMax H3 — Текст в видео стоит от 32 ₽. Veo 3.1 стоит от 150 ₽ за тир Lite до 360 ₽ за Quality, и синхронный звук есть во всех её тирах.

Чем заменить Veo 3, если звук в кадре не нужен

Если звук не важен или его проще записать отдельно, в каталоге есть модели дешевле Veo 3 в пять и более раз — при сопоставимом качестве картинки.

Оживить снимок можно на Grok Imagine Image to Video от 15 ₽ или Hailuo Standard Image to Video от 28 ₽. Обе берут исходную картинку и добавляют движение, а звук к готовому ролику подставляется отдельно.

Собрать звук отдельно можно в нескольких моделях. Музыку делает Suno API от 12 ₽, а закадровый голос — Gemini 3.1 Flash TTS от 6 ₽. Отдельные видео и звуковая дорожка требуют ручной синхронизации в редакторе, которую Veo 3 выполняет сама.

Выбор сводится к одному вопросу: нужен ли звук именно синхронный. Голос за кадром, музыка и общие шумы прекрасно клеятся поверх немого ролика. А вот попадание реплики в артикуляцию персонажа вручную не собирается — ради него Veo 3 и берут за полную цену.

Если решаете, с чего начать, посмотрите разбор Kling AI как основной рабочей лошадки для видео и общий обзор лучших нейросетей для генерации видео — там модели разложены по задачам и ценам.

Видеомодели каталога IskraGen: у Veo 3.1 синхронный звук из самой модели.