UlazAI - Ferramentas de imagem e vídeo de IA
Como funciona o Veo 3, passo a passo
Como funciona Google Veo 3: fluxo público, controles e limites
Os documentos públicos do Gemini API descrevem um fluxo de geração de vídeo assíncrono, não é uma arquitetura interna totalmente publicada. Você envia um prompt, opcionalmente adiciona imagens ou quadros, pesquisa a operação até que ela termine, e baixe um Vídeo de 8 segundos em 720p, 1080p ou 4K com áudio nativo. Ainda não tem certeza de qual rota você tem? Veja como acessar Veo 3.
Resposta rápida
Os documentos públicos atuais confirmam a fluxo de geração e controles: entrada de prompt, pesquisa de trabalho assíncrona, saída de 8 segundos, áudio nativo, suporte para retrato, extensão de vídeo, geração específica de quadro e até três imagens de referência. Eles fazem não publique o diagrama do modelo interno completo, o pipeline de treinamento ou uma explicação detalhada da pilha de transformadores nos documentos API.
Precisa primeiro da fonte pública? Use os documentos de vídeo oficiais do Gemini API.
Guias Veo 3
Escolha o guia Veo que você precisa
Encontre ajuda prática sobre acesso, duração do vídeo, solicitações, preços, configuração do API e como o Veo funciona.
Forma de geração
8 segundos
Os documentos públicos Veo 3.1 atuais descrevem a geração de 8 segundos de alta fidelidade.
Modos de saída
720p, 1080p, 4K
Os documentos públicos listam suporte de saída 720p, 1080p e 4k, com geração de áudio nativa.
Camada de controle
Até 3 imagens
A direção baseada em imagem pública suporta até três imagens de referência, além de fluxos de trabalho de primeiro/último quadro.
Modelo de trabalho
Pesquisa assíncrona
Você envia uma solicitação de geração, pesquisa a operação e baixa o arquivo gerado quando ele estiver pronto.
Fluxo de geração pública
Esta é a parte de “como funciona o Veo 3” que os documentos públicos realmente mostram.
Passo 1
Escreva o prompt e os controles opcionais
Comece com um prompt de texto e, opcionalmente, adicione imagens de referência, primeiro/último quadro, orientação retrato ou configurações de extensão, dependendo do fluxo de trabalho.
Etapa 2
Envie uma solicitação de geração de longa duração
Os exemplos oficiais usam chamadas de geração de vídeo assíncronas. A geração não retorna instantaneamente como uma resposta em linha concluída.
Etapa 3
Pesquise a operação até que ela seja concluída
As amostras de código público verificam repetidamente o status da operação. Esse é o fluxo documentado para aguardar o vídeo finalizado.
Etapa 4
Baixe o arquivo gerado
Assim que o trabalho for concluído, os exemplos baixam o arquivo de vídeo resultante em vez de tratar a resposta como um ativo final síncrono.
O que os documentos públicos confirmam versus o que não confirmam
| Tópico | Confirmado publicamente | Não documentado publicamente em detalhes |
|---|---|---|
| Fluxo de geração | Solicitação, operação de longa duração, status de pesquisa, saída de download. | Design de agendador interno, orquestração de cluster ou pilha de serviços exata. |
| Capacidades | Vídeo de 8 segundos, áudio nativo, modo retrato, extensão, geração específica de quadro, até três imagens de referência. | Uma análise interna completa de quais submodelos lidam com condicionamento de áudio, movimento ou imagem. |
| Internos do modelo | Google descreve publicamente o Veo como um modelo de geração de vídeo de última geração. | A topologia completa do transformador, layout de peso, corpus de treinamento e detalhes internos exatos do pipeline. |
| Controle imediato | Solicitação, imagens de referência, primeiro/último quadro e extensão são camadas de controle descritas publicamente. | Uma especificação pública completa para cada subsistema de controle latente ou planejamento de movimento. |
O que “como funciona” significa na prática
Sinal prático 1
O áudio nativo é de primeira classe
Os documentos públicos enquadram Veo 3.1 como um modelo de vídeo com áudio gerado nativamente, não como um gerador de clipe silencioso que sempre precisa de uma passagem de áudio separada.
Sinal prático 2
Imagens de referência moldam o resultado
Até três imagens de referência, além do controle do primeiro e do último quadro, mostram que o Veo não é apenas texto para vídeo somente com prompt no fluxo de trabalho público atual.
Sinal prático 3
A extensão está integrada ao fluxo de trabalho
A extensão de vídeo significa que o processo de geração pode continuar uma saída anterior em vez de começar do zero todas as vezes.
Sinal prático 4
Os controles são mais importantes do que os aspectos internos do modelo
Para um resultado utilizável, concentre-se no prompt, na imagem de referência, na proporção, na duração e nas configurações de áudio. Google não publica todos os detalhes de implementação interna.
Gere um clipe ou abra o guia que você precisa
Use os documentos API para integração, o guia rápido para melhores descrições de fotos, preços para uma estimativa de custo ou o guia de acesso para criar uma conta.