短视频创作者
小品、会说话的动物恶搞和假采访的成功与否,全凭那句口播笑点。Veo 3.1 让角色发声,所以一条 Reel 在片段完成的那一刻就做好了,而不需要再花一个晚上做配音和声音设计。
Ricebowl 运行 Veo 3.1 Fast、Veo 3.1 和 Veo 3.1 Pro,这是 Google Veo 3 的当前代次。输入一个场景描述或上传最多三张参考图,即可获得已混合了对白、音效和环境声的视频片段。
选择视频生成时长
选择清晰度
选择比例
功能 01
声音与画面同次渲染
Google Veo 3 是首个在生成画面时同步生成声音的 Veo 版本,而 Veo 3.1 进一步丰富了音频效果。将对话台词放在引号内,描述环境氛围并命名音效,生成的片段会自动同步唇部动作、脚步声、风声和音乐。无需单独配音,也无需搜索素材库——这就是为什么一个完整的短片只需一次生成,而非三个工具配合。
功能 03
长提示词完整保留
Google 表示 Veo 3.1 的提示词遵循能力比 Veo 3 更强,这在多部分指令中得以体现。一条提示词如果指定了画幅大小、镜头运动、两个角色、一句台词和一段背景音,模型会按顺序执行,而不是简化为最突出的名词。像导演给团队做简报一样描述场景:镜头、主体、动作、音频。简报越具体,需要重做的次数就越少。
功能 04
每个片段中保持同一张脸
最多上传三张参考图像,模型会在角色、服装或产品移动至新场景时保持其可识别性。这解决了 AI 视频最常见的投诉——主角在不同镜头间变脸。一个角色使用一张参考图,人物及其服装使用两张,当产品、角色和地点都需要匹配要求时使用三张。

功能 05
从照片级写实到纸艺手工
该模型以写实著称,但当你指定风格时,它也能呈现风格化外观:2D 动画、黏土动画、纸艺、黑色电影、复古 VHS。在提示词中命名风格,或上传风格参考图并描述新主体,模型的纹理、调色板和光线会延续。对于品牌工作而言,这意味着一个广告系列可以在十几条片段中保持统一的美术方向,无需重新绘制任何一帧。
功能 06
用文字指挥镜头
平移、俯仰、推近、升降、环绕、手持、俯拍:摄影师使用的镜头语言就是 Google Veo 3 能够回应的语言。保持场景描述不变,只改变运镜方式,你就能获得同一创意的第二个角度,而非全新的创意。这使得构建具有覆盖性的镜头序列变得可行——先用广角定场镜头,再缓慢推向主体。
功能 07
固定开头与结尾
Frames to Video 功能让你提供起始图像和结尾图像,Veo 3.1 生成连接两者的动态画面并配有音频。一块大理石变成成品雕像,一个闭合的盒子变成拆封的产品,白天的街道变成夜晚。Google 在 Veo 3.1 更新中为此模式添加了音频。该模式在 Google Flow 和 Gemini API 中可用;Ricebowl 将在其上线时在此生成器中开启它。


功能 08
修正一处细节,保留整段镜头
Google 随 Veo 3.1 在 Flow 中推出了 Insert 功能:为现有片段添加新元素,阴影和光线会自动调整,使其看起来一直存在。Remove 则是反过来,移除物体或人物后重建背景;Google 宣布该功能即将推出。这两种编辑尚未通过 Gemini API 开放,目前仅存在于 Flow 中。在此之前,实用的解决方案是使用更精确的提示词或参考图像重新生成。
功能 09
经得起推敲的物理效果
DeepMind 认为 Veo 3 具备真实物理效果,这在通常会让AI视频出问题的运动中最为明显:液体倾倒、布料飘动、球体弹跳、头发慢动作。描述运动的速度和重量,而不只是动词。缓慢沉重的门声与快速轻弹截然不同,Veo 3.1 尊重这种差异,使产品演示和动作镜头不再显得漂浮。
功能 10
Google 的电影制作应用与这个生成器的对比
Flow 是 Google 基于 Veo 构建的电影制作工具;Google 报告称上线五个月内生成了超过 2.75 亿个视频。Flow 与 Google AI 计划绑定。Ricebowl 调用相同的 Veo 3.1 模型并按片段收费,因此您无需每月订阅 Google 即可生成,并且当某个镜头需要 Veo 无法完成的效果时,可以在同一个选择器中切换到 Seedance、Kling 或 Gemini Omni。
功能 11
多张图像,一个场景
素材合成视频是 Google 的术语,指用多张参考图像构建一个场景:一张图中的人物、另一张图中的服饰、第三张图中的地点。Veo 3.1 为此模式加入了音频。在上述生成器中,最多可添加三张图像作为参考,然后描述它们如何在镜头中结合起来。这是将真实产品交到一致的展示者手中而无需拍摄的最快方式。



功能 12
突破单片段限制
在 Ricebowl 上,单次 Veo 3.1 生成为 10 秒,Fast 模式下为 6 秒。扩展功能从片段的最后一秒继续:Google 的 API 每次跳转增加七秒,并且可以将 Veo 视频链式扩展到最长 148 秒,分辨率为 720p。在 Flow 中,Google 表示扩展后的镜头可以持续一分钟或更长时间。扩展功能尚未在 Ricebowl 生成器中开启,因此目前每个片段都是一个独立镜头;请将较长的故事规划为连续镜头,或使用 Seedance 2.5,后者单次渲染可达 30 秒。
提示词示例
提示词
缓慢推近至阳光充足的现代客厅,一位身着海军蓝西装外套的房地产经纪人转向镜头说:“落地窗,朝南,春天就是你的了。”轻柔的钢琴声,透过玻璃传来微弱的街道噪音。
参考

结果

提示词
肖像构图,一位年轻女子在卧室镜子前打了个响指,她的衣服随即从睡衣切换为定制的奶油色西装外套,一镜转换。欢快的流行节拍,切换时响起清脆的响指声。
参考

结果

使用场景
小品、会说话的动物恶搞和假采访的成功与否,全凭那句口播笑点。Veo 3.1 让角色发声,所以一条 Reel 在片段完成的那一刻就做好了,而不需要再花一个晚上做配音和声音设计。
一下午测试同一产品的五个开场钩子。在参考图中保留产品,每次提示词中换掉开场和场景,然后将变体直接送入广告组。音频已经附在片段上,这在自动静音播放的平台很重要。
把产品包装照变成生活化短片:主持人拿着产品,镜头推进,说出产品名称。参考图像能保持标签和颜色准确,这是纯文本提示词无法保证的。
在实拍之前,用真正摄影机的语言和临时音频预览一个场景。Google 为电影人和故事讲述者打造了 Veo,像推轨、升降和甩镜这样的摄影术语,表现方式符合剧组的预期。
一段有旁白的 10 秒短片可以清楚解释一个概念。把几段串起来,每段配上自己的旁白,一节课或产品演示就能从同一个提示词中获得画面和语音。
优势与局限
与无声 AI 视频模型的区别
用户反馈
01
Demis Hassabis 将 Veo 3 的发布描述为 AI 视频走出默片时代的时刻,创作者们也用更直白的话表达了同样的意思:片段自带语音。参考驱动镜头和首尾帧控制也受到好评,但声音才是改变工作流程的关键。
02
因为唇形同步、环境音和音乐同时出来,Veo 3.1 的片段往往可以直接放进时间线。过去需要拼合无声渲染、TTS 语音和素材音乐的人,现在可以跳过其中两步。
03
皮肤、光线衰减和物理运动是人们最先提到的地方。参考图像让这种真实感可用于实际工作,因为真实的脸也是正确的脸。
04
模糊的提示词会得到平庸的片段;早期评测注意到,当提示词单薄时,模型会重复同样的笑点。具体的镜头、指定的声音和引用的对白,才是区分可用素材和重试的关键。
版本与档次
Google 于 2025 年 5 月发布 Veo 3,2025 年 10 月 15 日发布 Veo 3.1,在之前版本的基础上改进了音频、提示词遵循度和图像到视频的质量。音频功能也加入了“素材到视频”、“帧到视频”和“延伸”功能。原来能做到的,升级版做得更好,因此 Ricebowl 只运行 3.1 生成。
在 Ricebowl 上,标准档次生成一段 10 秒视频花费 45 积分,快速版生成 6 秒视频花费 60 积分,所以快速版不是省钱选项。在标准档次上进行草稿和定稿。只有当速度比积分更重要时才选择快速版,并保留 Pro(145 积分)用于主镜头。
在 Google 自己的应用中,Veo 访问权限需配合 Google AI 方案,更高配额则位于 Ultra 方案上。在这里你按片段付费:45 积分,无需每月订阅 Google,并且这些积分也可用于选择器中的其他所有模型。
我们的看法
选 Veo 3.1。在 Ricebowl 上,10 秒片段消耗 45 credits,而 Fast 版本 6 秒消耗 60 credits,Google 将其定位为更高质量层级。只有当你需要更快出结果时,Fast 才值得考虑。
对于有人说话的单个镜头,选 Veo 3.1:画质、物理和对话一次渲染正是 Google 打造它的目的,消耗 45 credits,而 5 秒 720p 的 Seedance 2.5 片段需要 315 credits。当场景必须超过 10 秒或需要三个以上参考素材时,选 Seedance 2.5。
对于社交媒体片段不值得。Pro 4K 层级消耗 290 credits,是 Pro 层级 145 credits 的两倍,手机屏幕无法看出差别。只有当片段要上电视、大屏幕,或需要裁剪和重新构图时,才买 4K。
对比
| 特性 | Veo 3.1 | Seedance 2.0 | Kling 3.0 |
|---|---|---|---|
| 单次生成片段时长 | 10 秒(Fast 模式 6 秒) | 5、10 或 15 秒 | 5、10 或 15 秒(Kling 3.0 Turbo 为 15 秒) |
| Ricebowl 上最高分辨率 | 4K(Veo 3.1 Pro 4K) | 1080p | 4K(Kling 3 Omni) |
| 原生音频 | 始终开启:对话、效果、环境音 | 默认开启,已包含在价格中 | 可选附加功能 |
| 参考输入 | 最多 3 张图片 | 最多 9 张图片外加视频和音频 | 最多 2 张图片 |
| Ricebowl 上入门价格 | 每片段 45 credits | 205 credits(5 秒,720p) | 70 credits(Kling 3 Fast,5 秒,720p,无声) |
| 最适合 | 带对话的短写实镜头 | 多参考素材场景,最长 15 秒 | 多镜头序列和 4K 输出 |
所有三个系列均在 Ricebowl 上运行。在上方模型选择器中切换 Veo 3.1、Seedance 2.0 和 Kling 3.0;credits 价格来自实时定价表,可能会变化。
创建 Veo 3.1 视频01
此页顶部的生成器已选中 Veo 3.1。可在模型选择器中切换至 Veo 3.1 Fast 或 Veo 3.1 Pro。注册免费;一个片段根据档位需 45 到 290 Credits。
02
描述景别、主体、动作和镜头运动,将台词放在引号内,并说出你想要的音效。最多添加三张参考图来固定面容、服装或产品,并选择竖屏或横屏。
03
点击生成。片段会带有音频出现在你的动态中,并以 MP4 格式下载。如果某个细节有偏差,只需调整提示词的一部分并重新运行,无需重写全部。
评价
来自在 Ricebowl 上制作视频的用户反馈。
语音会随角色一起出来。以前我的短剧需要单独用配音应用,现在片段渲染完成就直接能用了。
短视频创作者
同一产品图,五种不同钩子,一个下午搞定。按片段付费意味着我只为实际测试的变体花钱。
DTC 品牌效果营销人员
我把提示词写成镜头列表,镜头就按我要求运动。这是我找到的最接近预览的东西。
自由导演
参考图能把标签保持正确。在此之前,这正是阻止 AI 视频进入我们产品页面的原因。
电商经理
带旁白的十秒正好是一个想法。我用几个片段构建短课程。
教育工作者
一份余额,通用于所有模型。积分可用于全部 20 个视频模型 —— 无水印、不锁模型,每个付费方案都含商用授权。
按年付立省 30%
按年支付,节省更多。
最便宜的起步方式。所有模型,每月小额额度。
US$12.99/月
每月续订,随时取消。
400 积分
≈ 1–20 条,取决于所选模型
≈ 28–133 张,取决于所选模型
3.25¢ / 积分
够你把每个模型都试一遍,每月还能做出几条成片。
US$29.9/月
每月续订,随时取消。
1,000 积分
≈ 3–50 条,取决于所选模型
≈ 71–333 张,取决于所选模型
2.99¢ / 积分
2 个并行任务
适合准备转全职的个人创作者 —— 模型全开,预算宽裕。
US$49.9/月
每月续订,随时取消。
2,000 积分
≈ 6–100 条,取决于所选模型
≈ 142–666 张,取决于所选模型
2.50¢ / 积分
3 个并行任务
面向高产创作者和小团队的大批量生产。
US$89.9/月
每月续订,随时取消。
5,000 积分
≈ 15–250 条,取决于所选模型
≈ 357–1666 张,取决于所选模型
1.80¢ / 积分
5 个并行任务
灵活的月度订阅。
够你把每个模型都试一遍,每月还能做出几条成片。
US$19.9/月US$29.9
每年收费 $238.8。每年续订,随时取消。
比按月支付每年节省$120
12,000 积分
≈ 38–600 条,取决于所选模型
≈ 857–4000 张,取决于所选模型
1.99¢ / 积分
2 个并行任务
适合准备转全职的个人创作者 —— 模型全开,预算宽裕。
US$34.9/月US$49.9
每年收费 $418.8。每年续订,随时取消。
比按月支付每年节省$180
24,000 积分
≈ 76–1200 条,取决于所选模型
≈ 1714–8000 张,取决于所选模型
1.75¢ / 积分
3 个并行任务
面向高产创作者和小团队的大批量生产。
US$62.9/月US$89.9
每年收费 $754.8。每年续订,随时取消。
比按月支付每年节省$324
60,000 积分
≈ 190–3000 条,取决于所选模型
≈ 4285–20000 张,取决于所选模型
1.26¢ / 积分
5 个并行任务
充值积分有效期为 12 个月。
一次性充值以满足偶尔的需求。
US$49.9
一次性购买,有效期12个月。
1,000 积分
≈ 3–50 条,取决于所选模型
≈ 71–333 张,取决于所选模型
4.99¢ / 积分
更大的一次性充值,单价更优。
US$198
一次性购买,有效期12个月。
4,800 积分
≈ 15–240 条,取决于所选模型
≈ 342–1600 张,取决于所选模型
4.13¢ / 积分
5 个并行任务
Browse all
Browse all
Swagger down the mansion hallway
Your pet takes the mic
Get caught on the big screen
Hold up the red sign and jump
Take the cash, then hit the walk
Walk out to a crowd of fans
A ghost rises right behind them
Walked out by two officers, unbothered
Lean in, arms out, point on the beat
Serious game face, then the toy car
Snap the moon, reveal the witch
Your pet as the dancing cat trio
Float past the red light on a broom
Nod to the bass at the blue wheel
Do the duo intro from two photos
Your baby, a serious face, one photo
The flash step dodge, one photo
Ask the phone how to get rich, hear the answer
Your cat or dog stands up and dances
Wide squat, tiptoes, one-leg freeze
Swagger down the park path, point at the lens
Cup your ears and let the stadium roar
Walk the carpet, stop for the flashes
Bedroom horns, panels shut, night street
Tiny workers wash your truck until it shines
Fake the rabona, leave the defender on the floor
Rocket thrusters fire, your car lifts off

Set up a penny-farthing chase through a palace garden with a golden carriage.

Create a two-person autumn field bounce and finger-point dance.

Create a two-person autumn field reunion clip with a spoken beat and cheering.
Your partner turns zombie, then a warm memory
A loved one turns zombie, hugs you, then a warm memory
Turn your photo into the Ozil goal: dribble, strike, turn and celebrate.
Turn photos into phonk head bop trend videos in minutes.
One photo, a camera orbit around your subject
One or two photos into the vertical sidewalk singing clip
Chandelier party video from your selfie photos
Turn any photo into the tiptoe trend
Create scream-and-swap pet dance clips
Turn your selfie into an animatronic jumpscare
Make your photo lead the 1983 zombie dance in 9:16 vertical video.
Turn one adult photo into a trending 9:16 lip-sync clip in seconds.
Turn one group photo into a crew that steps in sync in 9:16 vertical video.
Turn your photo into a 1980s retro dance video with custom themes.
Pop the bottle from one photo and freeze it black and white.
Turn your photo into a Bulin 47 AI doorway clip.
Do the Layoo dance from one photo with two friends behind you.
Turn your photo into the viral lean, swing and low bounce, friend watching.
Black liquid rebuilds your car from its badge
Put your photo on the red stage doing the 2008 electro arm dance.
Sweep the 2 and 4 cards, reveal a car
Deadpan sway clip from one photo
Costume walk clip from one photo.
Make your pet or baby scold the camera
Make viral sneaky tiptoe videos from photos
Walk out with two officers
Two photos turned into a drill rap video clip.
Turn your pet into a tiny knight in a storm
Turn photos into the hop and knock dance
Switch wardrobe under spinning fan blades
Turn portrait photos into video
Make the viral video from two photos
Turn one pet photo into the stage meme
Dusk road-trip clip from your photos
You and a friend trading bars on one mic
Turn their photo into a funny birthday prank video
One photo zooms out to Earth, Moon or galaxy
Laser eyes, car jumps, hugs and more from one photo
Turn one photo into a video with copies of you
Hug the kid you were in a short video
Turn family photos into a short video clip.
Turn your photo into a cinematic video with effects
Share an imagined hug with someone who passed away
Turn one or two photos into a dance video
Two solo photos, one orange booth, one mic
Sit still while a car flies over you
Turn two photos into a hug video
Turn one or two photos into a gentle memorial clip
Make people in old photos smile, wave or hug
One or two photos into the zombie love story video
Two photos into the viral Hotel Lobby video
不。创建 Ricebowl 账户是免费的,并附赠 8 Credits,不够制作任何视频,而一个 Veo 3.1 片段需要 45 Credits,因此在首次渲染 Veo 前需要购买 Credits 包。在 Google 的应用程序中,Veo 生成功能包含在付费的 Google AI 计划中。在这里,您按片段付费,无需按月订阅 Google。
Google Veo 3 是 Google DeepMind 推出的视频生成模型,可同时生成视频和同步音频:对话、音效和环境音。它于 2025 年 5 月发布。其继任者 Veo 3.1 于 2025 年 10 月推出,具有更丰富的音频和更好的提示遵循能力,Ricebowl 运行该版本并提供三个档次:Fast、Standard 和 Pro。
Veo 2 于 2024 年 12 月发布,可生成带有改进物理效果的无声视频。Veo 3 增加了原生音频,因此片段自带与画面匹配的人声、音效和环境音,并提升了真实感和提示遵循能力。对于创作者而言,区别在于 Veo 2 片段仍需声音设计,而 Veo 3 片段通常不需要。
Veo 3.1 在 Veo 3 基础上提供了更丰富的音频、更强的叙事控制、更真实的纹理和更精准的提示遵循,尤其是在将图像转换为视频时。它还将音频带入了 Ingredients to Video、Frames to Video 和 Extend 功能。旧模型实际上已被取代,因此 Ricebowl 仅提供 3.1 版本。
选择 Standard 档。在 Ricebowl 上,Standard 档 10 秒需 45 Credits,Fast 档 6 秒需 60 Credits,因此 Standard 更便宜、时间更长且质量更高。当您需要更快出结果时使用 Fast 档,对于最重要的镜头使用 Pro 档(145 Credits)。
会。每个片段都带有音频生成。用引号写出对话,并描述您想要的音效和音乐,模型会与动作同步生成。在 Ricebowl 上,音频不额外收费,已包含在每片段价格中。
在 Ricebowl 上,Standard 和 Pro 档每个片段渲染 10 秒,Fast 档渲染 6 秒。Google 的 Extend 功能每步增加 7 秒,可将视频延长至 148 秒(720p),而 Flow 宣称可实现一分钟或更长的镜头。Ricebowl 上尚未启用 Extend 功能。如需更长的单次拍摄,请使用 Seedance 2.5,最高可渲染 30 秒。
可以。在生成器中最多上传三张参考图像,以保持角色、服装、产品或风格一致。参考图像指导外观,而您的提示控制动作、镜头和音效。Google 将这种多图像版本称为 Ingredients to Video。
Google 在 Gemini 应用、其电影制作工具 Flow 中提供 Veo 3.1,并通过 Gemini API 面向开发者、通过 Vertex AI 面向企业提供。Ricebowl 等第三方平台运行相同的模型,按片段使用 Credits 付费,并将其与 Seedance、Kling 和 Gemini Omni 等其他视频模型并列。
每个使用 Veo 制作的视频都带有 SynthID——Google 用于识别 AI 生成内容的隐形水印,并且输出会经过安全评估和记忆内容检查,以减少隐私、版权和偏见问题。违反使用政策的提示将在生成前被拒绝。
可以。您在 Ricebowl 上使用购买的 Credits 生成的视频可用于广告、客户作品和产品页面。请确保您拥有或有权使用上传的任何参考图像,避免使用未经许可的真实人物和商标,并注意 SynthID 水印将保留在文件中。
Flow 是 Google 的电影制作应用,捆绑在 Google AI 计划中。Ricebowl 按片段收费,起价为 45 Credits,因此无需持续支付月度计划。同样的 Credits 还可用于 Seedance 2.5(30 秒拍摄)、Kling 3.0(多镜头序列)和 Gemini Omni(对话式编辑),所有这些都可在本页顶部的生成器中使用。
相关
立即在 Ricebowl 上开始!
Veo 3.1 Fast、Veo 3.1 和 Veo 3.1 Pro,每个片段自带原生音频,最多三张参考图像,Pro 档支持 4K。
创建 Veo 3.1 视频免费注册 · 原生音频 · 三张参考图像 · 最高 4K
开始使用 Google Veo 3
创建 Veo 3.1 视频