Google Veo 3.1
Google Veo 3.1 je model od Google DeepMind na generovanie videa, ktorý vie spolu s obrazom generovať aj natívny zvuk — ambient, zvukové efekty a dokonca dialóg. Použiť ho môžeš cez aplikáciu Gemini, nástroj Flow aj programovo cez Gemini API alebo Vertex AI. Od svojho uvedenia v roku 2026 sa stal jedným z najdostupnejších nástrojov na AI video produkciu s integrovaným zvukom v celej triede modelov.
1. Čo to je a prečo je to podstatné
Pri AI videu bol zvuk doteraz takmer vždy „druhý krok" — doliepanie v editore, royalty-free hudba z kniežnice alebo drahá postprodukcia. Veo 3.1 ho tlačí priamo do generovania a tým mení celý workflow, najmä pre tvorcov, ktorí potrebujú rýchlo produkovať kreatívny obsah.
- Kto za tým stojí: Google DeepMind, modelová rodina Veo (predchodcovia: Veo 1, Veo 2, Veo 3, Veo 3.1).
- Čo to rieši: krátke videá (typicky 5–8 sekúnd) s vyššou kontrolou nad obrazom aj zvukom, aby si nemusel robiť polovicu práce v postprodukcii.
- Pre koho to je: tvorcovia obsahu, marketéri, filmári experimentujúci s AI, ale aj dev tímy, ktoré chcú generovať kreatívu programovo (napríklad A/B testy reklám alebo automatizovaná tvorba produktových klipov).
- Prečo je to podstatné: video sa stáva „promptovateľným assetom" — zadáš zámer, štýl, scénu a zvukové cue a dostaneš hotový klip. To znižuje vstupnú bariéru do video produkcie dramaticky.
- Kontext roka 2026: na trhu existuje viacero konkurenčných modelov (Sora, Kling, Runway Gen-4), no Veo 3.1 sa odlišuje tesnou integráciou do Google ekosystému — Gemini, YouTube Shorts a Workspace — čo mu dáva distribučnú výhodu.
2. Technické detaily
Google zverejňuje pomerne konkrétne parametre pre použitie v Gemini API, vrátane model kódov, limitov a funkcií. Veo 3.1 nasleduje Veo 3 (ktorý priniesol natívny zvuk) a pridáva vylepšenú kontrolu vstupu cez reference images a frame-level riadenie.
Základné parametre
| Parameter | Hodnota |
|---|---|
| Typický klip | 5 sekúnd alebo 8 sekúnd |
| Rozlíšenie | 720p / 1080p / 4K (8s režim) |
| Zvuk | Natívne generovaný audio track (ambient, SFX, dialóg) |
| Vstup | Text, obrázky; reference images (max. 3) |
| First/last frame | Podporované (kontrola začiatku a konca klipu) |
| Aspect ratio | 16:9 alebo 9:16 |
| Model kódy (Gemini API) | veo-3.1-generate-preview, veo-3.1-fast-generate-preview |
| Retencia výstupov (API) | ~2 dni na serveroch Google |
Čo je nové oproti Veo 3
Veo 3.1 prináša predovšetkým vylepšenú stálosť postáv a objektov naprieč klipmi (consistency), lepšiu synchronizáciu audio-video (lip sync pri dialógu) a stabilnejší výstup pri reference images vstupoch. Fast Preview varianta je optimalizovaná pre rýchlosť — vhodná na iteráciu promptov, nie na finálny výstup.
Generovanie zvuku
Zvuk v Veo 3.1 nie je dolepený postprocessingom — model generuje obraz a zvuk spoločne v jednom prechode. To znamená, že zvuk reaguje na vizuálne deje v klipe (praskot ohňa, keď plameň stúpa; dopad krokov podľa terénu). Dialóg je plne syntetický a model sa pokúša o časovú synchronizáciu pier s rečou, čo bolo v predchodcoch slabé miesto.
3. Dostupnosť a platformy
Veo 3.1 nie je len „jeden web", ale viacero vstupných brán podľa toho, či si tvorca alebo vývojár.
Prehľad kanálov
| Kanál | Cieľová skupina | Poznámka |
|---|---|---|
| Gemini app | Spotrebitelia, tvorcovia | Priamy prístup cez chat s Gemini |
| Flow | AI filmári, kreatívci | Špeciálny nástroj pre video workflow |
| Gemini API | Vývojári | Programové generovanie, rate limity podľa plánu |
| Vertex AI | Enterprise | SLA, VPC, firemné compliance |
| YouTube Shorts | Tvorcovia | Integrovaná tvorba Shorts priamo v YT Studio |
| Google Vids | Firemné tímy | Prezentácie a interné videá v Workspace |
Regionálne obmedzenia
Dostupnosť sa líši podľa produktu a krajiny — toto je typické pri generatívnom video AI. Slovensko a Česká republika mali v prvej vlne Veo 3 obmedzený prístup; Veo 3.1 rozširuje dostupnosť cez Gemini app, no plná API dostupnosť pre európske regióny môže závisieť od konkrétneho plánu a dátumu rollout-u. Odporúča sa overiť aktuálny stav priamo na stránkach Google AI.
4. Ceny a plány
Tu sa oplatí odlíšiť „tvorca" vs. „developer". Cenník platný k júnu 2026 — pri API sa ceny menia, vždy over aktuálnu verziu na officiálnych stránkach.
Spotrebiteľské plány (Gemini / Flow)
| Plán | Cena / mes. | Veo 3.1 prístup | Mesačné kredity |
|---|---|---|---|
| Free | $0 | Obmedzený (Fast, nízky limit) | ~50 generácií |
| Pro | ~$19.99 | Fast Preview, čiastočne plná verzia | ~180 generácií |
| Ultra | ~$249.99 | Plná verzia + priorita | Vysoký limit |
API (Gemini API / Vertex AI)
Ceny sa účtujú za sekundu vygenerovaného videa a líšia sa podľa:
- variantu modelu (Fast vs. plná Preview),
- zahrnutia zvuku,
- regiónu.
Pri zablokovanej generácii (napr. safety filter odmietne audio) by sa podľa dokumentácie generácia nemala účtovať — v praxi odporúčame toto otestovať a sledovať Google AI billing konzolu.
Praktická rada: pre iteráciu promptov používaj veo-3.1-fast-generate-preview (rýchlejší, lacnejší), pre finálne výstupy prepni na veo-3.1-generate-preview.
5. Bezpečnosť a súkromie
Pri AI videu so zvukom je bezpečnosť komplexnejšia než pri statickom obraze — treba riešiť watermarking, retenciu dát aj etiku pri generovaní dialógu.
SynthID watermarking
Všetky výstupy z Veo 3.1 obsahujú SynthID — Google DeepMind watermark, ktorý je:
- neviditeľný v obraze (steganograficky vložený),
- detegovateľný nástrojmi Google (aj po kompresii, rekodovaní a bežných editoch),
- v Gemini app doplnený aj viditeľným watermarkom (odstraňuje sa pri platených plánoch podľa plánu).
SynthID nepredstavuje absolútnu záruku — agresívne video recompression môže watermark poškodiť, no pre bežné použitie (YouTube, social media) zostáva detegovateľný.
Retencia a dáta
V Gemini API sa vygenerované videá ukladajú na serveroch Google približne 2 dni. Po uplynutí tejto doby nie sú dostupné cez API — ak chceš lokálnu kópiu, musíš si ju stiahnuť včas. Vo Vertex AI sa podmínky retencie riadia zmluvou a nastavením projektu.
Safety filtre a limity
Generované videá prechádzajú automatizovanými safety filtrami. Citlivé oblasti:
- Deepfake / likeness: generovanie realistických tvárí reálnych osôb je obmedzené.
- Audio dialóg: model nepodporuje klonovanie hlasu konkrétnych osôb.
- Násilie, explicitný obsah: blokované štandardne.
Praktické odporúčania
- Reference images: jasne si ujasni, čo môžeš posielať do cloudu — produkty, tváre, branding podliehajú interným politikám firmy.
- Dialóg: drž sa vlastných textov a vymyslených postáv, vyhni sa napodobňovaniu reálnych osôb.
- Disclosure: ak video používaš verejne alebo komerčne, rátaj s tým, že SynthID môže byť detegovateľný a v niektorých jurisdikciách platia povinnosti zverejnenia AI pôvodu obsahu (napr. EU AI Act).
6. Ako efektívne promptovať Veo 3.1
Veo 3.1 je najlepší vtedy, keď mu dáš jasné filmárske inštrukcie — nie len „vymysli niečo". Model rozumie kinematografickému jazyku a pri správnom prompte výrazne zvyšuje konzistenciu výstupu.
Štruktúra dobrého promptu
Dobrý prompt pre Veo 3.1 má typicky tieto vrstvy:
- Scéna a subjekt — čo sa deje, kto/čo je v zábere
- Kamera — uhol (low angle, bird's eye), pohyb (dolly in, tracking shot, handheld), objektív (wide, telephoto)
- Svetlo a atmosféra — „golden hour", „neon-lit rain", „overcast diffused light"
- Zvuk — ambient (čo počuť v pozadí), SFX (konkrétne zvuky), dialóg (kto hovorí, tón, vzdialenosť od mikrofónu)
- Tempo a štýl — „slow motion", „cinematic", „documentary handheld"
Príklady promptov
| Situácia | Slabý prompt | Silný prompt |
|---|---|---|
| Produktový klip | „káva na stole" | „Extreme close-up pouring coffee into a ceramic cup, steam rising, kitchen bokeh background. Sound: liquid pouring, subtle ambient kitchen noise. Cinematic, warm tones." |
| Krátky dialóg | „dvaja ľudia sa rozprávajú" | „Two people at a café table, medium shot. Woman: ‚Vidíš to?' Man nods. Natural lighting, ambient café noise, low murmur of background conversation." |
| Príroda | „les" | „Slow tracking shot through pine forest at dawn, fog at ground level. Sound: birds, distant stream, wind through branches. Telephoto compression, muted greens." |
Kedy Veo 3.1 nepoužiť
- Keď potrebuješ naratív dlhší ako ~30 sekúnd v jednom kuse — skladáš z viacerých generácií.
- Keď potrebuješ presné ovládanie pohybu kamery po sekunde (na to sú lepšie špecializované nástroje ako Runway s kamera controls).
- Keď chceš klonovaný hlas konkrétnej osoby — to Veo 3.1 nepodporuje a ani by nemalo.
7. Veo 3.1 v kontexte trhu (2026)
Generatívne video AI je v roku 2026 preplnený priestor. Kde sedí Veo 3.1?
| Model | Zvuk | Max. dĺžka | Ekosystém | Poznámka |
|---|---|---|---|---|
| Veo 3.1 | Natívny (ambient, SFX, dialóg) | 8s | Google (Gemini, YT, Workspace) | Najsilnejšia distribúcia |
| Sora (OpenAI) | Nie natívny | 20s | ChatGPT, API | Dlhšie klipy, slabší zvuk |
| Kling 2.0 | Obmedzený | 10s | Samostatný web, API | Silná konzistencia postáv |
| Runway Gen-4 | Nie natívny | 10s | Profesionálny editing | Najlepšia kamera kontrola |
| Hailuo (MiniMax) | Nie natívny | 6s | API, web | Cena/výkon |
Veo 3.1 víťazí predovšetkým v natívnom zvuku a distribučnej integrácii — ak si tvorca v Google ekosystéme, je prirodzenou voľbou. Pre profesionálnu post-produkciu s presnou kontrolou kamery môžu byť iné nástroje lepšie.
Zhrnutie
- Google Veo 3.1 generuje video so zvukom natívne — ambient, SFX aj dialóg v jednom prechode, čo šetrí postprodukciu.
- V API má konkrétne model verzie (Preview/Fast), podporuje reference images, first/last frame kontrolu, 9:16 aj viacero rozlíšení pre 5–8-sekundové klipy.
- Dostupnosť ide cez Gemini app, Flow, YouTube Shorts, Vertex AI aj Google Vids — podľa plánu a regiónu.
- Z pohľadu bezpečnosti rátaj so SynthID watermarkingom, ~2-dňovou retenciou výstupov v API a limitmi na generovanie realistických tvárí a hlasov.
- Promptuj ako režisér: scéna, kamera, svetlo, zvuk, tempo — každá vrstva zlepšuje výstup.
- V kontexte trhu 2026 je Veo 3.1 lídrom v natívnom zvuku a Google distribúcii, no pre dlhé klipy alebo presnú kamera kontrolu existujú lepšie špecializované alternatívy.