Google Veo ist der KI-Videogenerator von Google DeepMind: Sie beschreiben eine Szene in Worten oder geben ein Bild vor, und Veo liefert einen kurzen Videoclip mit passendem Ton. Die aktuelle Version, Veo 3.1, erzeugt Clips von 4 bis 8 Sekunden Länge in bis zu 4K – Dialoge, Soundeffekte und Musik entstehen dabei im selben Durchgang wie das Bild.
Hinter diesem einen Satz steckt eine ganze Menge. Es gibt vier Veo-Generationen, drei Varianten des aktuellen Modells und mindestens vier offizielle Wege, es zu nutzen. Dieser Guide erklärt, was Veo ist, worin sich die Versionen unterscheiden, was Veo gut und was es weniger gut kann, ob Sie es kostenlos nutzen können und wie es sich gegen Sora 2 und Co. schlägt.
Das Wichtigste in Kürze
- Was es ist: eine Familie von Text-zu-Video- und Bild-zu-Video-Modellen von Google DeepMind, erstmals vorgestellt im Mai 2024.
- Neueste Version: Veo 3.1 (Oktober 2025, erweitert im Januar 2026), erhältlich als Veo 3.1, Veo 3.1 Fast und Veo 3.1 Lite.
- Warum alle darüber reden: Seit Veo 3 hat jeder Clip seinen eigenen Ton – inklusive lippensynchroner Sprache.
- Ausgabe: Clips mit 4, 6 oder 8 Sekunden, 720p bis 4K, im Querformat (16:9) oder Hochformat (9:16). Mit der Szenenverlängerung lassen sich Clips zu Szenen von einer Minute und mehr aneinanderreihen.
- Ist es kostenlos? Teilweise. Google und Drittanbieter-Apps wie Veo Studio bieten eine begrenzte Zahl kostenloser Generierungen; wer Veo regelmäßig nutzt, zahlt.
- Veo 4: Stand Oktober 2026 noch nicht erschienen.
Was ist Google Veo?
Google Veo ist ein generatives Videomodell von Google DeepMind, dem KI-Labor hinter Gemini. Es gehört zur selben Werkzeugfamilie wie Imagen (Bilder) und Lyria (Musik) und steckt hinter der Videogenerierung in Googles Produkten.
In der Praxis kann Veo zwei Dinge:
- Text zu Video. Sie schreiben einen Prompt wie „a drone shot over a foggy pine forest at sunrise, soft piano music“ (Drohnenflug über einen nebligen Kiefernwald bei Sonnenaufgang, sanfte Klaviermusik), und Veo setzt ihn um.
- Bild zu Video. Sie laden ein Standbild hoch – ein Produktfoto, eine Figur oder ein Start- und ein Endbild –, und Veo erweckt es zum Leben.
Technisch gesehen ist Veo ein Diffusionsmodell. Es startet mit Rauschen und verfeinert es Schritt für Schritt zu Frames, die zu Ihrem Prompt passen. Bewegung, Licht und Physik bleiben dabei von Frame zu Frame stimmig. Seit Veo 3 erzeugt das Modell den Soundtrack gleich mit – so knallt eine zuschlagende Tür genau im richtigen Frame, und die Lippen einer Figur passen zu ihrem Text.
Was ist Veo 3?
Veo 3 ist die dritte Generation, vorgestellt auf der Google I/O im Mai 2025. Es war das erste breit verfügbare Videomodell, das synchronen Ton direkt mitliefert – und genau deshalb ging es viral: sprechende Figuren, Straßenumfragen und Fake-Werbespots, die täuschend echt klangen. Wenn Sie schon einmal nach „Veo 3“ gesucht haben, sind Sie höchstwahrscheinlich auf Clips dieses Modells oder seines Nachfolgers gestoßen.
Was ist Veo 3.1?
Veo 3.1 ist das aktuelle Modell. Es behält den Ton von Veo 3 und ergänzt genau die Funktionen, die sich Filmschaffende gewünscht haben: bis zu drei Referenzbilder für konsistente Figuren und Produkte, Steuerung über erstes und letztes Bild, Szenenverlängerung für längere Einstellungen, natives Hochformat und 4K-Ausgabe. Alle Details finden Sie auf unserer Seite zu Veo 3.1.
Damit keine Verwechslung entsteht: Veo Studio (useveo.ai) ist eine unabhängige App, die mit den Veo-Modellen arbeitet. Sie wird nicht von Google entwickelt und ist nicht mit Google verbunden.
Veo-Versionen: von Veo 1 bis Veo 3.1 Lite
Veo hat sich rasant entwickelt: sechs Releases in weniger als zwei Jahren, und jedes davon hat den größten Kritikpunkt am Vorgänger ausgeräumt.
| Erschienen | Version | Was sich geändert hat |
|---|---|---|
| Mai 2024 | Veo | Erste Version, vorgestellt auf der Google I/O 2024. Clips in 1080p und ein Grundverständnis für Filmbegriffe wie „timelapse“ und „aerial shot“. |
| Dezember 2024 | Veo 2 | Schärfere Details, bessere Physik und natürlichere Bewegungen von Menschen, höhere Auflösung. Seit April 2025 in der Gemini-App verfügbar. |
| Mai 2025 | Veo 3 | Nativer Ton: Dialoge, Soundeffekte und Atmo entstehen zusammen mit dem Video. Kam zusammen mit Googles Filmtool Flow. |
| Oktober 2025 | Veo 3.1 und Veo 3.1 Fast | Satterer Ton, genauere Umsetzung des Prompts, Referenzbilder („Ingredients to Video“), erstes und letztes Bild, Szenenverlängerung. |
| Januar 2026 | Update für Veo 3.1 | Bessere Figurenkonsistenz dank Referenzen, natives Hochformat in 9:16, Ausgabe in 1080p und 4K. |
| März 2026 | Veo 3.1 Lite | Günstigste Variante, so schnell wie Veo 3.1 Fast, für große Mengen, 720p und 1080p. |
Im Mai 2026 hat Google außerdem Gemini Omni veröffentlicht, ein separates multimodales Modell, mit dem Sie Videos per Chat bearbeiten. Es ergänzt Veo, statt es abzulösen: Veo 3.1 bleibt Googles spezialisiertes Videomodell mit eigener API.
Was kann Veo?
Veo 3.1 ist darauf ausgelegt, Einstellungen gezielt zu inszenieren, statt Zufallsclips auszuspucken. Auf diese Funktionen kommt es im Alltag an.
Nativer Ton und Dialoge
Veo erzeugt den Soundtrack direkt mit dem Bild. Setzen Sie einen Satz in Anführungszeichen, und eine Figur spricht ihn – mit passenden Lippenbewegungen. Beschreiben Sie Geräusche („rain on a tin roof“, „distant sirens“), und sie sind exakt synchron. Für die meisten Social-Media- und Werbeinhalte brauchen Sie weder ein separates Voice-over noch eigenes Sounddesign.
Text zu Video und Bild zu Video
Ein Prompt allein genügt. Fügen Sie ein Bild hinzu, nutzt Veo es als ersten Frame oder als Vorlage für den Look. So entstehen die meisten Produktvideos: Das Produktfoto geht rein, heraus kommt eine 360-Grad-Drehung auf dem Drehteller oder eine Lifestyle-Aufnahme.
Referenzbilder („Ingredients to Video“)
Geben Sie Veo bis zu drei Bilder einer Person, eines Objekts oder eines Stils, und es hält diese über den ganzen Clip hinweg konsistent. In Veo Studio markieren Sie die Bilder direkt im Prompt, zum Beispiel mit „@[image1] wears @[image2]'s jacket“. Näher kommen Sie an Casting und Kostümbild im KI-Video derzeit nicht heran.
Erstes und letztes Bild
Legen Sie ein Start- und ein Endbild fest, und Veo erzeugt die Bewegung dazwischen – inklusive Ton. Ideal für Übergänge, Verwandlungen und große Reveals.
Szenenverlängerung
Jede einzelne Generierung ist kurz, aber einen fertigen Clip können Sie verlängern. Veo knüpft an dessen letzte Sekunde an und hält Welt, Figuren und Ton stimmig. In Veo Studio kommen pro Schritt 7 Sekunden dazu, bis zu etwa 148 Sekunden durchgehendes Video.
Filmische Kontrolle
Veo versteht Filmsprache: Dolly-in, Kranfahrt, Schärfeverlagerung (Rack Focus), geringe Schärfentiefe, Golden Hour, 35-mm-Filmkorn. Je genauer Sie Ihre Einstellungen wie ein Kameraprofi beschreiben, desto mehr Kontrolle haben Sie. Unser Veo-3-Prompt-Guide erklärt dieses Vokabular ausführlich.
Fertige Formate für YouTube, TikTok und Co.
Clips gibt es in 16:9 für YouTube und Werbung oder in 9:16 für TikTok, Reels und Shorts, jeweils in 720p, 1080p oder 4K.
Veo 3.1 vs. Veo 3.1 Fast vs. Veo 3.1 Lite vs. Veo 3
Nehmen Sie Veo 3.1 für finale Einstellungen, Fast für Entwürfe und die meisten Social-Media-Inhalte und Lite, wenn Sie viel Material zum kleinsten Preis brauchen. Veo 3 ist weiterhin verfügbar, wurde aber inzwischen abgelöst.
| Modell | Max. Auflösung | Geschwindigkeit | Nativer Ton | Ideal für |
|---|---|---|---|---|
| Veo 3.1 | 4K | Am langsamsten | Ja | Hero-Shots, Werbung, Dialogszenen, finale Versionen |
| Veo 3.1 Fast | 4K | Schnell | Ja | Ideen durchspielen, Social-Media-Videos, die meiste Alltagsarbeit |
| Veo 3.1 Lite | 1080p | Schnell | Ja | Entwürfe in großer Zahl, B-Roll, Prompts günstig testen |
| Veo 3 | 1080p | Mittel | Ja | Einheitlicher Look bei älteren Veo-3-Projekten |
| Veo 3 Fast | 1080p | Schnell | Ja | Schnelle Entwürfe im Stil von Veo 3 |
Die 3.1-Modelle erzeugen Clips mit 4, 6 oder 8 Sekunden in 16:9 oder 9:16. Erweiterte Funktionen wie die Szenenverlängerung gibt es nur bei den 3.1-Modellen – fangen Sie also dort an, solange nichts dagegen spricht. In Veo Studio ist Veo 3.1 bei jedem Konto voreingestellt, und Sie können das Modell direkt im Prompt-Feld wechseln.
Wo kann man Veo nutzen?
Veo ist keine eigenständige Google-App. Sie erreichen es über einen dieser Wege:
| Wo | Für wen | Wie Sie bezahlen |
|---|---|---|
| Gemini-App | Gelegenheitsnutzer, die ohnehin im Google-Ökosystem unterwegs sind | Google-AI-Abo mit Tages- oder Monatslimits |
| Google Flow | Filmschaffende, die eine Timeline und Szenen-Tools wollen | Monatliche Flow-Credits, in den Google-AI-Tarifen enthalten |
| Gemini API und Google AI Studio | Entwickler, die Veo in eigene Apps einbauen | Pro Sekunde generiertem Video |
| Vertex AI (Google Cloud) | Unternehmen mit Google-Cloud-Verträgen | Pro Sekunde generiertem Video |
| Veo Studio und andere Drittanbieter-Apps | Creator und Marketer, die einfach nur ein Prompt-Feld wollen | Gratis-Tarif, Monatstarife oder einmalige Credit-Pakete |
Wer Veo ins eigene Produkt integrieren möchte, findet auf unserer Seite zur Veo-3-API den passenden Einstieg.
Ist Veo kostenlos?
Ausprobieren können Sie Veo kostenlos, im großen Stil nutzen aber nicht. Videogenerierung ist teuer: Über Googles eigene Gemini API kostet Veo 3.1 je nach Variante und Auflösung zwischen 0,05 $ und 0,60 $ pro Sekunde Video. Ein einzelner 8-Sekunden-Clip schlägt also mit 0,40 $ bis 4,80 $ zu Buche.
Diese kostenlosen Möglichkeiten haben Sie:
- Gratis-Tarif von Veo Studio. 160 Credits pro Monat, genug für bis zu 2 Videos in 720p. Keine Kreditkarte nötig, und es wird kein Wasserzeichen eingefügt. Veo 3 kostenlos testen.
- Testangebote von Google. Google packt immer wieder eine begrenzte Zahl von Veo-Generierungen in Gemini und Flow, und neue Google-AI-Abonnenten bekommen oft einen Probemonat. Die Konditionen ändern sich häufig, prüfen Sie also das aktuelle Angebot von Google.
Für die regelmäßige Nutzung starten die kostenpflichtigen Tarife von Veo Studio bei 14 $ im Monat für bis zu 50 Videos, inklusive kommerzieller Lizenz. Auf der Seite Preise finden Sie alle Tarife sowie einmalige Credit-Pakete, die nie verfallen.
Veo vs. Sora 2 und andere KI-Videomodelle
Die Stärke von Veo 3.1 ist Kontrolle: 4K, nativer Ton, Referenzbilder und Szenenverlängerung in einem einzigen Modell. Die Konkurrenz punktet in einzelnen Disziplinen – welches Modell das richtige ist, hängt also von der jeweiligen Einstellung ab.
| Modell | Anbieter | Stärken |
|---|---|---|
| Veo 3.1 | Google DeepMind | Filmische Kameraführung, lippensynchrone Dialoge, 4K, konsistente Figuren dank Referenzen, längere Szenen per Verlängerung |
| Sora 2 | OpenAI | Überzeugende Physik in einzelnen Clips, längere Einzelgenerierungen, eine eigene Social-App rund um das Modell |
| Kling | Kuaishou | Dynamische Bewegung und Action, gutes Preis-Leistungs-Verhältnis |
| Seedance | ByteDance | Schnell, starkes Storytelling über mehrere Einstellungen |
| Runway | Runway | Schnittwerkzeuge und eine komplette Kreativ-Suite rund um das Modell |
Veo 3 vs. Sora 2: Beide erzeugen Video mit Ton. Veo liegt meist bei Prompt-Treue, Kameraführung und Dialogszenen vorn; Sora 2 wird oft bevorzugt, wenn physikalisch komplexe Action in einem Take gefragt ist. Viele Profi-Teams nutzen Veo für fertige Produktionen und ein anderes Modell für Experimente.
Der Markt verändert sich Monat für Monat. Betrachten Sie deshalb jeden Vergleich – auch diesen – als Momentaufnahme vom Oktober 2026.
Die Grenzen von Veo
Veo ist beeindruckend, aber wer die Schwachstellen kennt, spart Credits.
- Kurze Clips. Ein einzelner Clip ist höchstens 8 Sekunden lang. Für längere Videos verlängern Sie Szenen oder schneiden mehrere Clips zusammen.
- Text im Bild. Schilder, Etiketten und Logos kommen mitunter als Buchstabensalat heraus. Text fügen Sie besser nachträglich im Schnittprogramm ein.
- Komplexe Physik. Schnelle Handbewegungen, Menschenmengen und Objekte, die sich gegenseitig durchdringen, können nach wie vor schiefgehen.
- Trefferquote. Rechnen Sie mit zwei bis vier Versionen, bis ein Clip sitzt. Klare, konkrete Prompts erhöhen die Chancen.
- Inhaltsregeln. Googles Sicherheitsfilter blockieren gewalttätige und explizite Inhalte sowie manche Inhalte mit realen Personen, und einige Prompts werden ohne erkennbaren Grund abgelehnt.
SynthID: So kennzeichnet Veo seine Videos
Jedes Veo-Video trägt SynthID, ein unsichtbares Wasserzeichen von Google DeepMind, das direkt in die Pixel eingebettet ist. Es verändert das Aussehen des Videos nicht, ermöglicht es aber Tools, den Clip als KI-generiert zu erkennen. Manche Google-Apps fügen zusätzlich ein sichtbares Wasserzeichen hinzu; Veo Studio tut das nicht.
Gibt es ein Veo 4?
Nein. Stand Oktober 2026 hat Google kein Veo 4 angekündigt, und Veo 3.1 ist das neueste Veo-Modell. Googles jüngstes Videoprojekt, Gemini Omni, ist im Mai 2026 als eigenständiges Modell innerhalb von Gemini erschienen – und nicht als neues Veo. Sobald sich daran etwas ändert, aktualisieren wir diesen Guide.
Häufige Fragen zu Google Veo
Wofür nutzt man Veo?
Veo kommt bei Social-Media-Videos, Produktwerbung, Musikvideos, Kurzfilmen, B-Roll für Erklärvideos und Storyboards zum Einsatz. Dank nativem Ton eignet es sich besonders für alles, was Dialog oder eine Stimme braucht.
Wer hat Veo entwickelt?
Veo wird von Google DeepMind entwickelt. Google bietet es über Gemini, Flow, die Gemini API und Vertex AI an; außerdem ermöglichen Drittanbieter-Apps wie Veo Studio den Zugang.
Ist Veo 3 kostenlos?
In begrenztem Umfang ja. Der Gratis-Tarif von Veo Studio umfasst bis zu 2 Videos pro Monat in 720p, ganz ohne Kreditkarte, und Google bietet gelegentlich Testphasen an. Für die dauerhafte Nutzung brauchen Sie einen kostenpflichtigen Tarif oder API-Guthaben.
Was ist der Unterschied zwischen Veo 3 und Veo 3.1?
Veo 3.1 bringt Referenzbilder, Steuerung über erstes und letztes Bild, Szenenverlängerung, natives Hochformat und 4K-Ausgabe mit, dazu besseren Ton und eine genauere Umsetzung des Prompts. Veo 3 hat den nativen Ton eingeführt, Veo 3.1 verfeinert ihn.
Wie lang kann ein Veo-Video sein?
Ein einzelner Clip mit Veo 3.1 dauert 4, 6 oder 8 Sekunden. Mit der Szenenverlängerung können Sie eine durchgehende Szene in Veo Studio auf etwa 148 Sekunden ausbauen.
Erzeugt Veo auch Ton?
Ja. Seit Veo 3 entstehen Musik, Soundeffekte, Atmo und Dialoge zusammen mit dem Video und laufen synchron zur Handlung.
Darf ich Veo-Videos kommerziell nutzen?
Mit einem kostenpflichtigen Tarif von Veo Studio ja: Jeder bezahlte Tarif enthält eine kommerzielle Lizenz. Wenn Sie Veo über Google nutzen, prüfen Sie die Bedingungen Ihres Google-Tarifs.
Veo jetzt ausprobieren
Am schnellsten verstehen Sie Veo, wenn Sie selbst etwas damit erstellen. Legen Sie ein kostenloses Konto bei Veo Studio an, tippen Sie einen Prompt ein und halten Sie in wenigen Minuten Ihren ersten Clip mit Ton in den Händen. Danach zeigt Ihnen unsere Anleitung Veo 3 nutzen alles Schritt für Schritt, und im Veo-3-Prompt-Guide finden Sie Prompts, die funktionieren.
