O que o Veo 3.1 faz bem — e o que não faz

O Veo 3.1 é o modelo que alcança quando o corte final tem de realmente parecer um filme acabado — quando o "vídeo IA" com os habituais bugs de iluminação, mãos a derreter e ruído de textura não passa. A Google DeepMind construiu a linha Veo com forte apoio no vocabulário cinematográfico no analisador de prompts. Diga ao Veo 3.1 "dolly in lentamente, flare anamórfico da direita da câmara, golden hour low key com o rosto do sujeito na sombra", e ele executará corretamente estas quatro instruções — a maioria dos outros modelos de vídeo executará duas das quatro e improvisará o resto.

A função principal da atualização 3.1 é Ingredientes para Vídeo. Carregue até três imagens de referência de uma personagem, produto ou objeto, e o Veo mantém-nas coerentes entre cenas, ângulos de câmara e até mudanças de iluminação. Isto resolve o problema mais difícil do vídeo IA: a deriva do rosto. Em cada geração anterior de vídeo IA, o rosto do protagonista mudaria subtilmente entre planos — maçãs do rosto diferentes, cor dos olhos diferentes, mesmo quando o prompt os etiquetava explicitamente. Ingredientes para Vídeo bloqueia a referência ; a personagem renderizada é a mesma pessoa em cada corte.

A segunda função principal é a saída até 4K com detalhe real. O Veo 3.1 renderiza limpo em alta resolução sem os artefactos de ruído e o esticar desfocado que se obtém ao ampliar uma fonte de baixa resolução. Para trabalho de marca, colocação OOH ou qualquer contexto onde a entrega final é 4K, o Veo termina o caminho que a maioria dos outros modelos de vídeo IA não consegue.

O terceiro pilar é o áudio nativo sincronizado — diálogo, ambiente e efeitos sonoros produzidos na mesma passagem que a imagem, lip-sync e cronometrados sem etapa Foley separada. Combinado com controlo de prompt cinematográfico e saída 4K, é o modelo atual mais próximo de produzir um curta-metragem acabado numa única geração.

Fraquezas: para iteração rápida de prompts, um modelo "Fast" mais leve é a melhor ferramenta — use um para encontrar a composição certa, depois graduate para o Veo para o acabamento. Entradas de referência multimodais (referência de áudio, vídeo de referência de movimento) são mais fortes no Seedance 2.0. E no Elo texto-para-vídeo bruto, o Seedance 2.0 está atualmente ligeiramente à frente.

Um modelo mental razoável: o Veo 3.1 é a predefinição para qualidade de acabamento cinematográfico e resolução. Para planos ricos em referências, Seedance 2.0. Para storyboards multi-plano, Kling V3.