Introdução
Texto para vídeo no Veo 3.1 Fast: entra um prompt, sai um clipe de 4-8 segundos em 720p com som gerado.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Saída | Vídeo |
| Publicador | |
| Duração do clipe | 4, 6 ou 8 segundos; com imagens de referência, sempre 8 |
| Resolução | 720p: 1280x720 (16:9) ou 720x1280 (9:16) |
| Proporções | 16:9, 9:16 |
| Taxa de quadros | 24 fps |
| Som | Gerado em todo clipe |
| Entradas | Prompt; primeiro quadro e último quadro opcional; 1 a 3 imagens de referência |
Recursos e destaques
Coloque a pessoa de uma foto no lugar de outra foto
A Image 1 era um homem de jaqueta jeans num posto de gasolina, e a Image 2, um observatório à noite. O prompt pedia que o homem da primeira imagem caminhasse até o observatório, batesse na porta e acenasse. Em 8 segundos ele fez as três coisas, com o mesmo rosto, cabelo e jaqueta. Uma mulher que também aparecia na Image 2 não surgiu.
Uma aproximação contínua
A partir de um único primeiro quadro e de “Aproximação lenta”, a câmera se aproximou sem corte por 8 segundos, de um plano aberto da cúpula até um primeiro plano médio. Ela se virou do telescópio, cruzou os braços e sorriu enquanto as estrelas apareciam.
Uma câmera que segue o briefing
O mesmo prompt do observatório que rodamos no Veo 3.1 gerou um plano de 4 segundos em 16:9 descendo uma passarela elevada em direção à cúpula. A câmera avançou como pedido, e o telescópio de latão girou para dentro da abertura.
Compare as faixas antes de escolher
Enviamos o mesmo prompt do barquinho de papel, de duas frases, ao Veo 3.1 e ao Fast. O Veo 3.1 filmou na altura da água, com juncos na frente; o Fast centralizou o barco no reflexo do sol, com ondas se espalhando ao redor. Teste alguns briefings nas duas faixas antes de escolher uma para um projeto.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Obrigatório. Diga o sujeito, o que ele faz, a câmera e o som, com as falas entre aspas. pelo menos 1 caracteres · no máximo 4000 caracteres |
aspect_ratio | Não | 16:9 (padrão, 1280x720) ou 9:16 (720x1280). Não muda o preço. |
duration_seconds | Não | 4, 6 ou 8 segundos (padrão 8). Clipes mais longos custam mais. |
Preços
Cobrado por clipe conforme a duração: 4, 6 ou 8 segundos. Som e proporção estão incluídos nesse preço. Um trabalho que falha ou é recusado não custa nada.
| Especificação | Preço |
|---|---|
| $0.36 / requisição |
| $0.54 / requisição |
| $0.72 / requisição |
Casos de uso
Lotes de anúncios e posts sociais
O preço por clipe é baixo o bastante para gerar de uma vez um conjunto inteiro de variações 9:16: dez clipes de 4 segundos custam $3.60, com som incluído.
O mesmo personagem ou produto em vários clipes
Envie de 1 a 3 imagens de referência e chame-as de Image 1, Image 2 e Image 3 no prompt. No nosso teste, o rosto e a jaqueta da Image 1 foram para uma cena nova.
Storyboards que começam e terminam em quadros do set
A imagem para vídeo recebe um primeiro quadro e um último quadro opcional, então cada plano de uma sequência pode começar e terminar onde você planejou.
Cenas com mais de 8 segundos
Continue um clipe com a extensão de vídeo: o último quadro abre um novo segmento de 4 a 8 segundos, cobrado pelo preço de imagem para vídeo, e a origem não é cobrada.
Guia de prompt e dicas práticas
Refira-se às referências pelo número
Cite-as na ordem de envio, por exemplo “o homem da Image 1” e “o observatório da Image 2”. Diga o que cada uma faz: as imagens definem o visual, o prompt define a ação.
Recorte as referências no que você quer
Use um sujeito por imagem sempre que puder. O Fast deixou de fora uma segunda pessoa na nossa imagem de referência, mas outros modelos podem trazer tudo.
Escreva a câmera e o som
Nomeie um movimento, como “Aproximação lenta” ou “Plano médio em câmera na mão”, e acrescente uma linha como “Som: passos no cascalho, uma batida metálica”. Coloque as falas entre aspas.
Itere em 4 segundos, finalize em 8
A $0.36, um clipe de 4 segundos é barato o bastante para testar várias redações. Quando uma funcionar, gere-a em 8 segundos ou envie a versão final ao Veo 3.1. Clipes de referência têm 8 segundos desde o início, $0.72.
Introdução
Veo 3.1 Fast Texto para vídeo é a entrada mais rápida no Veo: você escreve uma cena e recebe um clipe de 720p de 4, 6 ou 8 segundos com som próprio, em 16:9 ou 9:16. Com $0.36 por 4 segundos, serve para lotes de anúncios e posts sociais, e um prompt acertado aqui pode ir para o Veo 3.1 no render final. O Google analisa cada prompt, e uma solicitação que ele recusa falha sem custo.
Outros modos do Veo 3.1 Fast
- Parte de uma imagem estática? Imagem para vídeo anima um primeiro quadro e pode terminar em um último.
- Precisa da mesma pessoa ou do mesmo produto em vários clipes? Referência para vídeo aceita até 3 imagens.
- Já tem filmagem? Estender vídeo continua um clipe a partir do último quadro.
Dicas de prompt
- Monte o prompt na ordem em que as coisas acontecem: cenário e luz, sujeito, ação, câmera, som.
- Coloque o diálogo entre aspas e acrescente uma linha como "Sound: rain on a tin roof" para a ambiência.
- Teste algumas redações em 4 segundos e gere a melhor em 8.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/veo-3.1-fast/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"aspect_ratio": "16:9",
"duration_seconds": 8
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.