Google Veo es el generador de vídeo con IA de Google DeepMind: describes una escena con palabras, o le das una imagen, y te devuelve un clip corto con su propio sonido. La versión actual, Veo 3.1, genera clips de 4 a 8 segundos en hasta 4K, con diálogos, efectos de sonido y música creados a la vez que la imagen.
Detrás de esa frase hay mucho más. Existen cuatro generaciones de Veo, tres variantes del modelo actual y al menos cuatro vías oficiales para usarlo. En esta guía verás qué es Veo, en qué se diferencia cada versión, qué hace bien y en qué falla, si se puede usar gratis y cómo queda frente a Sora 2 y compañía.
En resumen
- Qué es: una familia de modelos de texto a vídeo y de imagen a vídeo de Google DeepMind, presentada por primera vez en mayo de 2024.
- Última versión: Veo 3.1 (octubre de 2025, ampliada en enero de 2026), disponible como Veo 3.1, Veo 3.1 Fast y Veo 3.1 Lite.
- Por qué da tanto que hablar: desde Veo 3, cada clip incluye audio nativo, con voces sincronizadas con el movimiento de los labios.
- Qué genera: clips de 4, 6 u 8 segundos, de 720p a 4K, en horizontal (16:9) o en vertical (9:16). La extensión de escena encadena clips hasta formar escenas de un minuto o más.
- ¿Es gratis? En parte. Google y apps de terceros como Veo Studio ofrecen algunas generaciones gratis; para un uso habitual, hay que pagar.
- Veo 4: a octubre de 2026, todavía no ha salido.
¿Qué es Google Veo?
Google Veo es un modelo de vídeo generativo creado por Google DeepMind, el laboratorio de IA que está detrás de Gemini. Pertenece a la misma familia de herramientas que Imagen (imágenes) y Lyria (música), y es el motor de la generación de vídeo en los productos de Google.
En la práctica, Veo hace dos cosas:
- Texto a vídeo. Escribes un prompt como "a drone shot over a foggy pine forest at sunrise, soft piano music" (una toma con dron sobre un pinar con niebla al amanecer, con piano suave de fondo) y Veo lo genera.
- Imagen a vídeo. Subes una imagen fija, una foto de producto, un personaje o un primer y un último fotograma, y Veo le da movimiento.
Por dentro, Veo es un modelo de difusión. Parte de ruido y lo va refinando, paso a paso, hasta obtener fotogramas que encajan con tu prompt, y mantiene coherentes el movimiento, la luz y la física de un fotograma a otro. Desde Veo 3, el modelo genera la banda sonora al mismo tiempo, así que un portazo suena justo en el fotograma correcto y los labios de un personaje coinciden con lo que dice.
¿Qué es Veo 3?
Veo 3 es la tercera generación, presentada en el Google I/O de mayo de 2025. Fue el primer modelo de vídeo de uso masivo capaz de generar audio sincronizado de forma nativa, y eso es lo que lo hizo viral: personajes que hablan, entrevistas callejeras y anuncios falsos que parecían reales. Si has buscado "Veo 3", lo más probable es que los clips que viste fueran de este modelo o de su sucesor.
¿Qué es Veo 3.1?
Veo 3.1 es el modelo actual. Conserva el audio de Veo 3 y añade los controles que pedían los cineastas: hasta tres imágenes de referencia para mantener coherentes personajes y productos, control del primer y último fotograma, extensión de escena para planos más largos, vídeo vertical nativo y salida en 4K. Tienes el análisis completo en nuestra página de Veo 3.1.
Una aclaración sobre los nombres: Veo Studio (useveo.ai) es una app independiente que funciona con los modelos Veo. No es de Google ni está afiliada a Google.
Versiones de Veo: de Veo 1 a Veo 3.1 Lite
Veo ha avanzado muy rápido: seis lanzamientos en menos de dos años, y cada uno corrigió la mayor queja de la versión anterior.
| Lanzamiento | Versión | Qué cambió |
|---|---|---|
| Mayo de 2024 | Veo | Primera versión, presentada en el Google I/O 2024. Clips en 1080p que ya entendían términos cinematográficos como "timelapse" y "aerial shot" (plano aéreo). |
| Diciembre de 2024 | Veo 2 | Más detalle, mejor física y movimiento humano, mayor resolución. Llegó a la app de Gemini en abril de 2025. |
| Mayo de 2025 | Veo 3 | Audio nativo: diálogos, efectos de sonido y ambiente generados junto con el vídeo. Se lanzó a la vez que Google Flow, la herramienta de Google para hacer cine. |
| Octubre de 2025 | Veo 3.1 y Veo 3.1 Fast | Audio más rico, mayor fidelidad al prompt, imágenes de referencia ("ingredients to video"), primer y último fotograma, extensión de escena. |
| Enero de 2026 | Actualización de Veo 3.1 | Personajes más coherentes a partir de referencias, salida vertical 9:16 nativa, salida en 1080p y 4K. |
| Marzo de 2026 | Veo 3.1 Lite | La variante más barata, tan rápida como Veo 3.1 Fast, pensada para producir en volumen, en 720p y 1080p. |
En mayo de 2026, Google lanzó además Gemini Omni, un modelo multimodal independiente que edita vídeo conversando con él. Convive con Veo en lugar de sustituirlo: Veo 3.1 sigue siendo el modelo (y la API) que Google dedica específicamente al vídeo.
¿Qué puede hacer Veo?
Veo 3.1 está pensado para planos dirigidos, no para clips al azar. Estas son las funciones que más importan en el día a día.
Audio nativo y diálogos
Veo crea la banda sonora junto con la imagen. Pon una frase entre comillas y un personaje la dirá, con el movimiento de labios a juego. Describe sonidos ("rain on a tin roof", "distant sirens": lluvia sobre un tejado de chapa, sirenas a lo lejos) y sonarán sincronizados. En la mayoría de los vídeos para redes y anuncios te ahorras la locución y el diseño de sonido por separado.
Texto a vídeo e imagen a vídeo
Con un prompt basta. Si añades una imagen, Veo la usa como fotograma inicial o como referencia de estilo. Así se hacen casi todos los vídeos de producto: metes la foto del producto y sale un giro de 360 grados sobre una base giratoria o un plano lifestyle.
Imágenes de referencia ("ingredients to video")
Dale a Veo hasta tres imágenes de una persona, un objeto o un estilo, y los mantendrá coherentes durante todo el clip. En Veo Studio las mencionas en el prompt con etiquetas, por ejemplo "@[image1] wears @[image2]'s jacket" (@[image1] lleva la chaqueta de @[image2]). Es lo más parecido que existe al casting y al vestuario en el vídeo con IA.
Primer y último fotograma
Elige una imagen inicial y una final, y Veo genera el movimiento entre ambas, audio incluido. Es ideal para transiciones, transformaciones y revelaciones.
Extensión de escena
Cada generación es corta, pero puedes extender un clip terminado. Veo continúa a partir de su último segundo y mantiene coherentes el mundo, los personajes y el sonido. En Veo Studio cada paso añade 7 segundos, hasta unos 148 segundos de vídeo continuo.
Control cinematográfico
Veo entiende el lenguaje del cine: dolly in, crane shot, rack focus, shallow depth of field, golden hour, 35mm film grain. Cuanto más pienses como un director de fotografía, más control tendrás. Nuestra guía de prompts para Veo 3 explica este vocabulario a fondo.
Formatos listos para publicar
Los clips salen en 16:9 para YouTube y anuncios, o en 9:16 para TikTok, Reels y Shorts, en 720p, 1080p o 4K.
Veo 3.1 vs. Veo 3.1 Fast vs. Veo 3.1 Lite vs. Veo 3
Elige Veo 3.1 para los planos finales, Fast para borradores y para la mayor parte del contenido de redes, y Lite cuando necesites volumen al menor coste. Veo 3 sigue disponible, pero ya ha quedado superado.
| Modelo | Resolución máxima | Velocidad | Audio nativo | Ideal para |
|---|---|---|---|---|
| Veo 3.1 | 4K | La más lenta | Sí | Planos principales, anuncios, escenas con diálogo, cualquier pieza final |
| Veo 3.1 Fast | 4K | Rápida | Sí | Probar ideas, vídeo para redes, la mayor parte del trabajo diario |
| Veo 3.1 Lite | 1080p | Rápida | Sí | Borradores en volumen, B-roll, probar prompts a bajo coste |
| Veo 3 | 1080p | Media | Sí | Mantener la coherencia con proyectos antiguos hechos con Veo 3 |
| Veo 3 Fast | 1080p | Rápida | Sí | Borradores rápidos al estilo de Veo 3 |
Los modelos 3.1 generan clips de 4, 6 u 8 segundos en 16:9 o 9:16. Los controles avanzados, como la extensión de escena, van ligados a los modelos 3.1, así que empieza por ahí salvo que tengas un motivo para no hacerlo. En Veo Studio, Veo 3.1 viene seleccionado por defecto en todas las cuentas y puedes cambiar de modelo desde el cuadro de prompt.
¿Dónde se puede usar Veo?
Veo no tiene una app propia: se accede a él por alguna de estas vías:
| Dónde | Para quién | Cómo se paga |
|---|---|---|
| App de Gemini | Usuarios ocasionales que ya están en el ecosistema de Google | Suscripción a Google AI, con límites diarios o mensuales |
| Google Flow | Cineastas que quieren una línea de tiempo y herramientas de escena | Créditos mensuales de Flow incluidos en los planes de Google AI |
| Gemini API y Google AI Studio | Desarrolladores que integran Veo en sus apps | Por segundo de vídeo generado |
| Vertex AI (Google Cloud) | Empresas con contrato de Google Cloud | Por segundo de vídeo generado |
| Veo Studio y otras apps de terceros | Creadores y profesionales del marketing que quieren un cuadro de prompt sencillo | Plan gratuito, planes mensuales o paquetes de créditos de pago único |
Si eres desarrollador y quieres integrar Veo en tu propio producto, también puedes empezar por nuestra página de la API de Veo 3.
¿Veo es gratis?
Veo se puede probar gratis, pero no usar a gran escala sin pagar. Generar vídeo es caro: en la propia Gemini API de Google, Veo 3.1 cuesta entre $0,05 y $0,60 por segundo de vídeo según la variante y la resolución, así que un solo clip de 8 segundos sale por entre $0,40 y $4,80.
Tus opciones gratuitas:
- Plan gratuito de Veo Studio. 160 créditos al mes, suficientes para hasta 2 vídeos en 720p. Sin tarjeta y sin marca de agua añadida. Prueba Veo 3 gratis.
- Pruebas de Google. Google incluye de vez en cuando generaciones limitadas de Veo en Gemini y Flow, y los nuevos suscriptores de Google AI suelen tener un mes de prueba. Las condiciones cambian a menudo, así que consulta la oferta vigente de Google.
Para un uso habitual, los planes de pago de Veo Studio empiezan en $14 al mes por hasta 50 vídeos, con licencia comercial. Consulta los precios de todos los planes y los paquetes de créditos de pago único, que no caducan nunca.
Veo vs. Sora 2 y otros modelos de vídeo con IA
El gran punto fuerte de Veo 3.1 es el control: salida en 4K, audio nativo, imágenes de referencia y extensión de escena en un solo modelo. Sus rivales ganan en aspectos concretos, así que la mejor elección depende del plano.
| Modelo | Empresa | Dónde destaca |
|---|---|---|
| Veo 3.1 | Google DeepMind | Control cinematográfico de la cámara, diálogos con sincronización labial, 4K, personajes coherentes a partir de referencias, escenas más largas mediante extensión |
| Sora 2 | OpenAI | Física convincente en clips sueltos, generaciones individuales más largas, una app social propia |
| Kling | Kuaishou | Movimiento dinámico y escenas de acción, buena relación calidad-precio |
| Seedance | ByteDance | Rapidez y buena narrativa con varios planos |
| Runway | Runway | Herramientas de edición y una suite creativa completa en torno al modelo |
Veo 3 vs. Sora 2: ambos generan vídeo con sonido. Veo suele imponerse en fidelidad al prompt, dirección de cámara y escenas con diálogo; Sora 2 suele preferirse para acción físicamente compleja en una sola toma. Muchos equipos profesionales usan Veo para el trabajo final y otro modelo para experimentar.
El sector cambia cada mes, así que toma cualquier comparativa, incluida esta, como una foto fija de octubre de 2026.
Limitaciones de Veo
Veo impresiona, pero conocer sus puntos débiles te ahorra créditos.
- Clips cortos. Una generación dura 8 segundos como máximo. Para vídeos más largos hay que extender escenas o montar varios clips.
- Texto en pantalla. Carteles, etiquetas y logotipos pueden salir ilegibles. Añade el texto después en un editor.
- Física compleja. Los movimientos rápidos de manos, las multitudes y los objetos que se atraviesan entre sí todavía pueden fallar.
- Tasa de acierto. Cuenta con generar de dos a cuatro versiones hasta dar con una que valga la pena. Los prompts claros y específicos aumentan las probabilidades.
- Normas de contenido. Los filtros de seguridad de Google bloquean el contenido violento, el explícito y parte del que muestra a personas reales, y algunos prompts se rechazan sin un motivo claro.
SynthID: cómo marca Veo sus vídeos
Todos los vídeos de Veo llevan SynthID, una marca de agua invisible de Google DeepMind incrustada en los píxeles. No cambia el aspecto del vídeo y permite que ciertas herramientas identifiquen el clip como generado por IA. Algunas apps de Google añaden además una marca de agua visible; Veo Studio no añade ninguna.
¿Existe Veo 4?
No. A octubre de 2026, Google no ha anunciado Veo 4, y Veo 3.1 es el modelo Veo más reciente. Lo último de Google en vídeo, Gemini Omni, se lanzó en mayo de 2026 como un modelo independiente dentro de Gemini, no como un nuevo Veo. Actualizaremos esta guía cuando eso cambie.
Preguntas frecuentes sobre Veo
¿Para qué se usa Veo?
Veo se usa para vídeos de redes sociales, anuncios de producto, videoclips, cortometrajes, B-roll para vídeos explicativos y storyboards. Gracias a su audio nativo, es especialmente bueno para todo lo que lleve diálogo o voz.
¿Quién creó Veo?
Veo lo desarrolla Google DeepMind. Google lo ofrece a través de Gemini, Flow, la Gemini API y Vertex AI, y apps de terceros como Veo Studio también dan acceso.
¿Veo 3 es gratis?
Puedes probarlo gratis, con límites. El plan gratuito de Veo Studio incluye hasta 2 vídeos al mes en 720p sin tarjeta, y Google lanza pruebas de vez en cuando. Para un uso continuado necesitas un plan de pago o créditos de la API.
¿Qué diferencia hay entre Veo 3 y Veo 3.1?
Veo 3.1 añade imágenes de referencia, control del primer y último fotograma, extensión de escena, vídeo vertical nativo y salida en 4K, además de mejor audio y mayor fidelidad al prompt. Veo 3 introdujo el audio nativo; Veo 3.1 lo perfecciona.
¿Cuánto puede durar un vídeo de Veo?
Un clip de Veo 3.1 dura 4, 6 u 8 segundos. Con la extensión de escena puedes alargar una misma escena continua hasta unos 148 segundos en Veo Studio.
¿Veo genera sonido?
Sí. Desde Veo 3, la música, los efectos de sonido, el ambiente y los diálogos se generan junto con el vídeo y van sincronizados con la acción.
¿Puedo usar los vídeos de Veo con fines comerciales?
En los planes de pago de Veo Studio, sí: todos incluyen licencia comercial. Si usas Veo a través de Google, revisa las condiciones de tu plan de Google.
Prueba Veo hoy mismo
La forma más rápida de entender Veo es crear algo con él. Crea una cuenta gratis en Veo Studio, escribe un prompt y en pocos minutos tendrás tu primer clip con sonido. Después, lee cómo usar Veo 3 para ver el proceso completo y la guía de prompts para Veo 3 para encontrar prompts que funcionan.
