Fast · 720p
120
积分 / 秒
= $0.12 美元 / 秒
官方价： $0.15−20%
- duration
- 4, 6, 8
- model
- veo3_fast
- resolution
- 720p
模型指南
关于 Veo 3.1 Fast
通过文字、图片或参考图生成带原生音频的 720p 视频，支持 4、6 或 8 秒时长。
为什么选择 Veo 3.1 Fast？
Veo 3.1 是 Google DeepMind 面向电影感视频生成的旗舰模型，重点提升提示词遵循、运动与物理真实感、画面一致性和原生音频。Wizzx 当前开放的是后端 model key 为 veo3 的 Veo Fast 档位，输出规格为 720p，时长可选 4、6 或 8 秒。
| 核心优势 | 对结果的影响 |
|---|---|
| 原生音频 | 在同一份提示词中描述对白、环境声、音效或音乐意图 |
| 提示词遵循 | 用结构化镜头描述控制主体、动作、摄影机、光线和声音 |
| 运动与物理连贯性 | 更适合依赖物体互动和可信运动来表达创意的画面 |
| 多种起始方式 | 可从文字生成、让首帧图片动起来，或使用视觉参考引导视频 |
选择合适的生成模式
| 模式 | 适用情况 |
|---|---|
| 文生视频 | 希望模型根据文字从零设计完整镜头 |
| 图生视频 | 已有首帧画面，需要定义运动、镜头变化和声音 |
| 参考图生视频 | 最多三张图片用于约束主体、风格或场景；Wizzx 当前要求该模式使用 8 秒时长 |
Wizzx 当前开放范围
- 模型档位：
veo3_fast - 分辨率： 720p
- 时长： 4、6 或 8 秒
- 宽高比： 16:9、9:16 或 Auto
- 视觉输入： 根据模式提供首尾帧，或最多三张参考图
这些是 Wizzx 当前实际开放的控件，并不代表所有 Veo 产品的完整能力范围。上方价格卡片仍直接读取 Wizzx 后端目录。
把提示词写成一份镜头简报
- 主体与场景： 镜头中是谁或什么，发生在什么环境？
- 动作： 在选定时长内，描述一个能够清楚展开的主要动作或事件。
- 摄影机： 写明景别和镜头运动，例如固定近景、缓慢推进、手持跟拍或航拍揭示。
- 光线与视觉语言： 只有在服务创意时，再补充时间、光线方向、配色、质感和类型风格。
- 声音： 对白使用引号标出，环境声和音效分开描述。
文生视频示例： 日出前安静的社区面包店。烘焙师把一盘可颂送入烤箱，摄影机缓慢掠过洒有面粉的操作台。室内暖色钨丝灯与窗外冷蓝街灯形成对比。轻微烤箱风扇声、金属烤盘摩擦声、远处送货卡车声；不要音乐。
图生视频示例： 保持人物面部、服装和霓虹店面不变。雨水落下，路面倒影缓慢移动，摄影机以轻微手持感向前推进。人物看向镜头后微微一笑。保留城市环境声和雨声，不要对白。
最适合的项目
- 广告短镜头和社交视频概念
- 产品动态测试与电影感氛围探索
- 需要保留起始构图的图片动画
- 带同步视听意图的分镜和预演
原生音频是 Veo 的核心特点，但 Google 也说明自然、稳定的语音，尤其是较长对白，仍在持续改进。建议保持对白简短，并将语音表现与视觉结果分别评估。
资料来源
后端定价
以下价格由 API 直接发布。
模型身份、计费单位与全部价格档位均读取自后端目录。
1 积分 = $0.001 美元；最终扣费以 API 实际返回为准。
当前仅开放 veo3_fast 720p；duration 支持 4/6/8 秒，默认 8 秒；reference-to-video 仅支持 8 秒