Google Veo to generator wideo AI od Google DeepMind: opisujesz scenę słowami albo podajesz mu obraz, a w zamian dostajesz krótki klip z dopasowanym dźwiękiem. Aktualna wersja, Veo 3.1, tworzy klipy trwające od 4 do 8 sekund w rozdzielczości do 4K, a dialogi, efekty dźwiękowe i muzyka powstają razem z obrazem, w jednym kroku.
Za tym jednym zdaniem kryje się sporo. Są cztery generacje Veo, trzy warianty obecnego modelu i co najmniej cztery oficjalne miejsca, w których możesz z niego korzystać. W tym przewodniku wyjaśniamy, czym jest Veo, czym różnią się poszczególne wersje, co wychodzi mu dobrze, a co słabo, czy da się go używać za darmo i jak wypada w starciu z Sorą 2 i resztą konkurencji.
W skrócie
- Co to jest: rodzina modeli generujących wideo z tekstu i z obrazów, stworzona przez Google DeepMind i pokazana po raz pierwszy w maju 2024 r.
- Najnowsza wersja: Veo 3.1 (październik 2025, rozbudowana w styczniu 2026), dostępna jako Veo 3.1, Veo 3.1 Fast i Veo 3.1 Lite.
- Skąd całe zamieszanie: od Veo 3 każdy klip ma natywny dźwięk, łącznie z mową zsynchronizowaną z ruchem ust.
- Co dostajesz: klipy 4-, 6- lub 8-sekundowe, od 720p do 4K, w poziomie (16:9) lub w pionie (9:16). Przedłużanie sceny pozwala połączyć klipy w sceny trwające minutę i dłużej.
- Czy Veo jest darmowy? Częściowo. Google i zewnętrzne aplikacje, takie jak Veo Studio, oferują ograniczoną liczbę darmowych generacji; regularne korzystanie jest płatne.
- Veo 4: według stanu na październik 2026 r. jeszcze nie wyszedł.
Czym jest Google Veo?
Google Veo to generatywny model wideo stworzony przez Google DeepMind, czyli laboratorium AI, które stoi też za Gemini. Należy do tej samej rodziny narzędzi co Imagen (obrazy) i Lyria (muzyka) i odpowiada za generowanie wideo w produktach Google.
W praktyce Veo robi dwie rzeczy:
- Tekst na wideo. Piszesz prompt, np. „a drone shot over a foggy pine forest at sunrise, soft piano music” (ujęcie z drona nad zamglonym lasem sosnowym o wschodzie słońca, w tle delikatny fortepian), a Veo zamienia go w film.
- Obraz na wideo. Wgrywasz zdjęcie, packshot produktu, postać albo pierwszą i ostatnią klatkę, a Veo je ożywia.
Pod maską Veo to model dyfuzyjny. Zaczyna od szumu i krok po kroku przekształca go w klatki pasujące do twojego promptu, pilnując, by ruch, światło i fizyka zgadzały się z klatki na klatkę. Od Veo 3 model generuje przy tym ścieżkę dźwiękową, więc trzaśnięcie drzwi trafia dokładnie w odpowiednią klatkę, a usta postaci układają się zgodnie z wypowiadaną kwestią.
Czym jest Veo 3?
Veo 3 to trzecia generacja, zaprezentowana na Google I/O w maju 2025 r. Był to pierwszy szeroko dostępny model wideo, który natywnie generował zsynchronizowany dźwięk, i właśnie dlatego zrobił furorę w sieci: mówiące postacie, sondy uliczne i fałszywe reklamy, które brzmiały jak prawdziwe. Klipy, które wyskakują po wpisaniu „Veo 3” w wyszukiwarkę, pochodzą najczęściej właśnie z tego modelu albo z jego następcy.
Czym jest Veo 3.1?
Veo 3.1 to obecny model. Zachowuje dźwięk znany z Veo 3 i dodaje narzędzia, o które prosili filmowcy: do trzech obrazów referencyjnych, dzięki którym postacie i produkty pozostają spójne, kontrolę pierwszej i ostatniej klatki, przedłużanie sceny przy dłuższych ujęciach, natywne wideo pionowe i rozdzielczość 4K. Pełne omówienie znajdziesz na naszej stronie o Veo 3.1.
Jedna uwaga co do nazw: Veo Studio (useveo.ai) to niezależna aplikacja, która korzysta z modeli Veo. Nie stworzył jej Google i nie jest z nim w żaden sposób powiązana.
Wersje Veo: od Veo 1 do Veo 3.1 Lite
Veo rozwija się w zawrotnym tempie: sześć premier w niecałe dwa lata, a każda kolejna usuwała największą bolączkę poprzedniej.
| Premiera | Wersja | Co się zmieniło |
|---|---|---|
| maj 2024 | Veo | Pierwsza wersja, pokazana na Google I/O 2024. Klipy w 1080p i rozumienie pojęć filmowych, takich jak „timelapse” czy „aerial shot” (ujęcie z powietrza). |
| grudzień 2024 | Veo 2 | Ostrzejsze detale, lepsza fizyka i ruch ludzi, wyższa rozdzielczość. W kwietniu 2025 r. trafił do aplikacji Gemini. |
| maj 2025 | Veo 3 | Natywny dźwięk: dialogi, efekty dźwiękowe i tło generowane razem z obrazem. Premiera równolegle z Google Flow, narzędziem do tworzenia filmów. |
| październik 2025 | Veo 3.1 i Veo 3.1 Fast | Bogatszy dźwięk, wierniejsze trzymanie się promptu, obrazy referencyjne („ingredients to video”), pierwsza i ostatnia klatka, przedłużanie sceny. |
| styczeń 2026 | Aktualizacja Veo 3.1 | Lepsza spójność postaci z referencji, natywny pion 9:16, wideo w 1080p i 4K. |
| marzec 2026 | Veo 3.1 Lite | Najtańszy wariant do pracy na dużą skalę, tak samo szybki jak Veo 3.1 Fast, 720p i 1080p. |
W maju 2026 r. Google wypuścił też Gemini Omni, osobny model multimodalny, w którym wideo edytuje się po prostu w rozmowie. Działa obok Veo, a nie zamiast niego: Veo 3.1 nadal jest wyspecjalizowanym modelem wideo Google, dostępnym również przez API.
Co potrafi Veo?
Veo 3.1 powstał z myślą o reżyserowanych ujęciach, a nie o przypadkowych klipach. Oto funkcje, które w codziennej pracy liczą się najbardziej.
Natywny dźwięk i dialogi
Veo tworzy ścieżkę dźwiękową razem z obrazem. Wpisz kwestię w cudzysłowie, a postać ją wypowie, poruszając ustami w odpowiednim rytmie. Opisz dźwięki („rain on a tin roof”, czyli deszcz bębniący o blaszany dach, albo „distant sirens”, czyli syreny w oddali), a pojawią się dokładnie tam, gdzie trzeba. W większości filmów na social media i reklam obejdziesz się bez lektora i osobnego udźwiękowienia.
Tekst na wideo i obraz na wideo
Sam prompt wystarczy. Dodaj obraz, a Veo potraktuje go jako pierwszą klatkę albo jako wzór stylu. Tak powstaje większość filmów produktowych: wrzucasz zdjęcie produktu, a dostajesz ujęcie, w którym produkt obraca się o 360 stopni, albo scenę lifestyle'ową.
Obrazy referencyjne („ingredients to video”)
Daj Veo do trzech obrazów przedstawiających osobę, przedmiot lub styl, a model utrzyma ich wygląd przez cały klip. W Veo Studio oznaczasz je w prompcie, np. „@[image1] wears @[image2]'s jacket” (@[image1] ma na sobie kurtkę z @[image2]). To najbliższy odpowiednik castingu i garderoby w świecie wideo AI.
Pierwsza i ostatnia klatka
Ustaw obraz początkowy i końcowy, a Veo wygeneruje ruch pomiędzy nimi, razem z dźwiękiem. Sprawdza się idealnie przy przejściach, przemianach i efektownych odsłonach.
Przedłużanie sceny
Pojedyncza generacja jest krótka, ale gotowy klip możesz przedłużyć. Veo kontynuuje go od ostatniej sekundy, zachowując spójny świat, postacie i dźwięk. W Veo Studio każdy krok dodaje 7 sekund, maksymalnie do ok. 148 sekund ciągłego wideo.
Filmowa kontrola nad ujęciem
Veo rozumie język filmu: najazd kamery (dolly in), ujęcie z kranu, przeniesienie ostrości, płytka głębia ostrości, złota godzina, ziarno taśmy 35 mm. Im bardziej myślisz jak operator, tym większą masz kontrolę. To słownictwo szczegółowo omawiamy w naszym poradniku promptów do Veo 3.
Formaty gotowe do publikacji
Klipy powstają w 16:9 na YouTube i do reklam albo w 9:16 na TikToka, Reels i Shorts, w 720p, 1080p lub 4K.
Veo 3.1 vs Veo 3.1 Fast vs Veo 3.1 Lite vs Veo 3
Wybierz Veo 3.1 do ujęć finalnych, Fast do szkiców i większości treści na social media, a Lite wtedy, gdy potrzebujesz dużo materiału najniższym kosztem. Veo 3 nadal jest dostępny, ale ma już następcę.
| Model | Maks. rozdzielczość | Szybkość | Natywny dźwięk | Najlepszy do |
|---|---|---|---|---|
| Veo 3.1 | 4K | Najwolniejszy | Tak | Kluczowe ujęcia, reklamy, sceny z dialogami, wszystko, co idzie do publikacji |
| Veo 3.1 Fast | 4K | Szybki | Tak | Sprawdzanie pomysłów, wideo na social media, większość codziennej pracy |
| Veo 3.1 Lite | 1080p | Szybki | Tak | Masowe szkice, B-roll, tanie testowanie promptów |
| Veo 3 | 1080p | Średni | Tak | Dopasowanie do starszych projektów zrobionych w Veo 3 |
| Veo 3 Fast | 1080p | Szybki | Tak | Szybkie szkice w stylu Veo 3 |
Modele 3.1 generują klipy 4-, 6- lub 8-sekundowe w 16:9 lub 9:16. Zaawansowane funkcje, takie jak przedłużanie sceny, działają w modelach 3.1, więc zacznij od nich, chyba że masz konkretny powód, by tego nie robić. W Veo Studio Veo 3.1 jest domyślnym modelem na każdym koncie, a zmienisz go bezpośrednio w polu promptu.
Gdzie można korzystać z Veo?
Veo nie jest osobną aplikacją Google. Dostęp do niego prowadzi przez jedną z tych furtek:
| Gdzie | Dla kogo | Jak płacisz |
|---|---|---|
| Aplikacja Gemini | Okazjonalni użytkownicy, którzy już korzystają z ekosystemu Google | Subskrypcja Google AI z dziennymi lub miesięcznymi limitami |
| Google Flow | Filmowcy, którzy chcą mieć oś czasu i narzędzia do pracy ze scenami | Miesięczne kredyty Flow w ramach planów Google AI |
| Gemini API i Google AI Studio | Deweloperzy, którzy wbudowują Veo we własne aplikacje | Za każdą sekundę wygenerowanego wideo |
| Vertex AI (Google Cloud) | Firmy z umowami na Google Cloud | Za każdą sekundę wygenerowanego wideo |
| Veo Studio i inne aplikacje zewnętrzne | Twórcy i marketerzy, którzy chcą po prostu wpisać prompt i działać | Darmowy plan, plany miesięczne lub jednorazowe pakiety kredytów |
Jeśli chcesz wbudować Veo we własny produkt, możesz też zacząć od naszej strony o Veo 3 API.
Czy Veo jest darmowy?
Veo możesz wypróbować za darmo, ale przy większej skali trzeba już płacić. Generowanie wideo jest drogie: w Gemini API, czyli bezpośrednio u Google, Veo 3.1 kosztuje od $0,05 do $0,60 za sekundę wideo, zależnie od wariantu i rozdzielczości. Pojedynczy 8-sekundowy klip to więc wydatek od $0,40 do $4,80.
Darmowe opcje:
- Darmowy plan Veo Studio. 160 kredytów miesięcznie, co wystarcza na maksymalnie 2 filmy w 720p. Bez karty i bez dodawanego znaku wodnego. Wypróbuj Veo 3 za darmo.
- Okresy próbne Google. Google co jakiś czas dorzuca ograniczoną liczbę generacji Veo w Gemini i Flow, a nowi subskrybenci Google AI często dostają miesiąc na próbę. Warunki regularnie się zmieniają, więc sprawdź aktualną ofertę Google.
Jeśli chcesz korzystać regularnie, płatne plany Veo Studio zaczynają się od $14 miesięcznie (do 50 filmów) i obejmują licencję komercyjną. Wszystkie plany oraz jednorazowe pakiety kredytów, które nigdy nie wygasają, znajdziesz w cenniku.
Veo vs Sora 2 i inne modele wideo AI
Przewagą Veo 3.1 jest kontrola: 4K, natywny dźwięk, obrazy referencyjne i przedłużanie sceny w jednym modelu. Konkurenci wygrywają w konkretnych obszarach, więc najlepszy wybór zależy od ujęcia, które chcesz uzyskać.
| Model | Twórca | W czym się wyróżnia |
|---|---|---|
| Veo 3.1 | Google DeepMind | Filmowe prowadzenie kamery, dialogi zsynchronizowane z ruchem ust, 4K, spójne postacie dzięki referencjom, dłuższe sceny dzięki przedłużaniu |
| Sora 2 | OpenAI | Przekonująca fizyka w pojedynczych klipach, dłuższe pojedyncze generacje, zbudowana wokół modelu aplikacja społecznościowa |
| Kling | Kuaishou | Dynamiczny ruch i sceny akcji, dobry stosunek jakości do ceny |
| Seedance | ByteDance | Szybkość, mocne opowiadanie historii w wielu ujęciach |
| Runway | Runway | Narzędzia do edycji i cały pakiet kreatywny wokół modelu |
Veo 3 vs Sora 2: oba modele generują wideo z dźwiękiem. Veo zwykle wygrywa wiernością wobec promptu, prowadzeniem kamery i scenami z dialogami, a Sora 2 bywa częściej wybierana do fizycznie złożonej akcji w jednym ujęciu. Wiele profesjonalnych zespołów robi gotowe materiały w Veo, a do eksperymentów sięga po inny model.
Ta branża zmienia się z miesiąca na miesiąc, więc każde porównanie, łącznie z tym, traktuj jako stan na październik 2026 r.
Ograniczenia Veo
Veo robi wrażenie, ale znajomość jego słabych stron pozwala oszczędzić kredyty.
- Krótkie klipy. Jedna generacja to maksymalnie 8 sekund. Dłuższy film oznacza przedłużanie scen albo montaż kilku klipów.
- Tekst na ekranie. Szyldy, etykiety i logotypy potrafią wyjść zniekształcone. Tekst lepiej dodać później w edytorze.
- Złożona fizyka. Szybkie ruchy dłoni, tłumy i przenikające się obiekty wciąż potrafią się rozsypać.
- Skuteczność. Licz się z tym, że na jeden udany klip przypadną dwie do czterech generacji. Jasne, konkretne prompty zwiększają szanse.
- Zasady dotyczące treści. Filtry bezpieczeństwa Google blokują przemoc, treści dla dorosłych i część materiałów z udziałem prawdziwych osób, a niektóre prompty są odrzucane bez jasnego powodu.
SynthID: jak Veo oznacza swoje filmy
Każdy film z Veo zawiera SynthID, czyli niewidoczny znak wodny od Google DeepMind zaszyty w pikselach. Nie zmienia wyglądu wideo, a pozwala narzędziom rozpoznać, że klip wygenerowała AI. Niektóre aplikacje Google dodają też widoczny znak wodny; Veo Studio takiego znaku nie dodaje.
Czy jest już Veo 4?
Nie. Według stanu na październik 2026 r. Google nie zapowiedział Veo 4, a najnowszym modelem z tej rodziny pozostaje Veo 3.1. Najnowszy projekt Google związany z wideo, Gemini Omni, zadebiutował w maju 2026 r. jako osobny model w Gemini, a nie jako kolejna wersja Veo. Zaktualizujemy ten przewodnik, gdy coś się w tej sprawie zmieni.
Veo: najczęstsze pytania
Do czego służy Veo?
Veo służy do tworzenia filmów na social media, reklam produktów, teledysków, krótkich metraży, B-rolla do filmów edukacyjnych i storyboardów. Dzięki natywnemu dźwiękowi świetnie sprawdza się wszędzie tam, gdzie pojawia się dialog albo głos.
Kto stworzył Veo?
Veo rozwija Google DeepMind. Google udostępnia go w Gemini, Flow, Gemini API i Vertex AI, a dostęp dają też zewnętrzne aplikacje, takie jak Veo Studio.
Czy Veo 3 jest darmowy?
Możesz go wypróbować za darmo, ale z limitami. Darmowy plan Veo Studio obejmuje do 2 filmów miesięcznie w 720p bez podawania karty, a Google od czasu do czasu prowadzi okresy próbne. Do stałego korzystania potrzebujesz płatnego planu lub kredytów API.
Czym różni się Veo 3 od Veo 3.1?
Veo 3.1 dodaje obrazy referencyjne, kontrolę pierwszej i ostatniej klatki, przedłużanie sceny, natywne wideo pionowe i rozdzielczość 4K, a do tego lepszy dźwięk i wierniejsze trzymanie się promptu. Veo 3 wprowadził natywny dźwięk, a Veo 3.1 go dopracowuje.
Jak długi może być film z Veo?
Pojedynczy klip z Veo 3.1 trwa 4, 6 lub 8 sekund. Dzięki przedłużaniu sceny w Veo Studio wydłużysz jedną ciągłą scenę do ok. 148 sekund.
Czy Veo generuje dźwięk?
Tak. Od Veo 3 muzyka, efekty dźwiękowe, tło i dialogi powstają razem z obrazem i są zsynchronizowane z akcją.
Czy mogę wykorzystywać filmy z Veo komercyjnie?
W płatnych planach Veo Studio tak: każdy z nich obejmuje licencję komercyjną. Jeśli korzystasz z Veo przez Google, sprawdź warunki swojego planu Google.
Wypróbuj Veo już dziś
Najszybciej zrozumiesz Veo, gdy coś w nim stworzysz. Załóż darmowe konto w Veo Studio, wpisz prompt i w kilka minut dostaniesz swój pierwszy klip z dźwiękiem. Potem przeczytaj, jak używać Veo 3, czyli pełny przewodnik krok po kroku, oraz nasz poradnik promptów do Veo 3 z promptami, które naprawdę działają.
