Veo 3: видеонейросеть Google, звук в кадре и связь с Gemini

Кратко. Veo 3 это видеонейросеть Google, которая пишет звук вместе с картинкой: реплики с движением губ, шумы, музыку. Актуальная версия Veo 3.1 делает ролики по 8 секунд и работает во Flow и через API. В приложении Gemini её в 2026 году сменила модель Gemini Omni. Бесплатного доступа нет, официально в России не работает.

Veo 3: что это за нейросеть

С Veo 3 видеонейросети массово заговорили. До неё ролики крупных генераторов обычно были немыми, и звук приходилось добавлять отдельно. Google показал Veo 3 весной 2025 года, и главной новостью стало именно это: модель за один проход рисует картинку и пишет к ней диалоги, шаги, шум дождя и фоновую музыку.

Для зрителя это меняет всё. Немой ролик с человеком выглядит как гифка, ролик с голосом и звуком улицы похож на кусок фильма. Отсюда волна вирусных видео с «интервью» и «репортажами», которых никто не снимал.

Скажем, ты пишешь «мужчина в сером пальто стоит на перроне, говорит в телефон: я уже еду, слышен гудок электрички». Veo 3 выдаст ролик, где губы двигаются под фразу, а гудок звучит в нужный момент. Раньше для этого понадобились бы три разных инструмента.

Veo 3 видео: что нового в версии 3.1

Veo 3.1 вышла в октябре 2025 года и добавила инструменты, которые особенно важны, если в кадре живой человек. Главное из анонса Google:

В API модель делает ролики по 8 секунд в 720p, 1080p или 4K, со звуком. Продлевать ролик можно до 148 секунд, но только в 720p. Эти цифры из документации для разработчиков, в пользовательских сервисах набор может отличаться.

Звук в 3.1 стал богаче: естественнее разговоры, точнее синхронные эффекты. И звук теперь работает во всех инструментах Flow, включая продление и переход между кадрами.

Gemini Veo 3: почему в Gemini теперь Omni

В 2026 году Google поставил в приложение Gemini новую модель вместо Veo. На странице видеогенерации Gemini прямо написано: Gemini Omni 1.1 Flash заменяет предыдущую модель Veo 3.1. Omni делает ролики по 10 секунд, умеет оживлять до пяти фото за раз и править видео через переписку.

Практически это значит вот что. Если ты открываешь чат Gemini и просишь видео, работает уже не Veo, а Omni. Veo живёт во Flow, студии Google для роликов, и в Gemini API для разработчиков.

Представь: ты посмотрел обзор «как сделать ролик в Gemini Veo 3», повторил шаги и получил видео, которое выглядит иначе, чем в обзоре. Обзор не врал, просто за это время внутри сменилась модель. С AI-сервисами это обычное дело, и дату у любого гайда стоит проверять первой.

Для видео в Gemini нужна подписка Google AI, работает с 18 лет, возможности зависят от тарифа и страны. Каждое видео получает невидимую метку SynthID, по которой Google определяет, что ролик сгенерирован.

Veo 3 и Нано Банана: одна экосистема, разные задачи

Нано Банана и Veo живут в одном доме, но делают разное: Нано Банана рисует и правит картинки, Veo снимает видео. Google сам описывает Gemini Omni как «Нано Банану для видео», то есть правку роликов словами в чате, как раньше картинок.

Связка у них прямая. Во Flow можно сначала сделать кадр картиночной моделью, а потом оживить его в Veo, и первый кадр ролика будет ровно таким, каким ты его утвердил. Что умеет Нано Банана с лицом и почему она держит его неровно, разобрано в статье про Нано Банану.

Veo 3 по фото: что происходит с лицом

Veo оживляет фото так же, как остальные видеомодели: твой снимок становится первым кадром, всё дальше модель достраивает. Лицо держится в начале и уходит там, где модели приходится придумывать: повороты головы, смех, речь.

У Veo есть своя особенность, и она из-за звука. Если в ролике человек говорит, модель меняет форму рта под каждое слово. Вместе со ртом двигаются подбородок, щёки и складки у носа, и именно нижняя половина лица первой перестаёт быть твоей. Ролик без речи, с одним движением головы, держит сходство заметно лучше.

Было: твоё фото анфас и запрос «он рассказывает анекдот и смеётся», 8 секунд. Стало: то же фото, первый и последний кадр твои, запрос «медленно поворачивает голову и улыбается уголками губ», без реплик. Во втором ролике по-прежнему ты.

Frames to Video тут главный инструмент. Два своих кадра по краям не дают модели уехать далеко: ей остаётся соединить известные точки, а не сочинять лицо с нуля. Второй инструмент это Ingredients to Video. Дай модели три-четыре своих снимка с разных ракурсов вместо одного, и ей придётся меньше угадывать, как ты выглядишь сбоку. Снимки лучше брать недавние, при похожем свете и без очков, если в ролике ты без них: модель честно перенесёт в кадр всё, что увидит на референсах.

Про оживление фото вообще и его подвохи есть статья о том, как оживить фото нейросетью.

Как писать запрос к Veo 3 со звуком

Запрос к Veo 3 состоит из двух половин: что видно и что слышно. Если про звук промолчать, модель придумает его сама, и иногда это будет бодрая музыка из рекламы йогурта поверх серьёзной сцены.

Порядок, который работает:

1. Кто в кадре и где: одежда, место, время суток.
2. Одно действие героя и движение камеры.
3. Реплику пиши в кавычках, дословно и коротко. Одна фраза на восемь секунд звучит естественно, три фразы модель скомкает.
4. Отдельно опиши звук: шум улицы, шаги, ветер, тишина.
5. Если музыка не нужна, так и напиши. Иначе она может появиться сама.
6. Попроси обойтись без субтитров, если не хочешь, чтобы модель нарисовала текст внизу кадра.

Допустим, ты хочешь поздравить друга: «мужчина в тёмном свитере сидит на кухне, поднимает кружку к камере и говорит: "с днём рождения, Серёга", слышен чайник, без музыки, без субтитров». Модели понятно всё, от кружки до чайника. Реплику держи короткой, особенно если она не на английском: чем длиннее фраза, тем больше шансов, что паузы встанут не туда.

Veo 3 бесплатно: что реально доступно

Бесплатного Veo 3 в привычном смысле нет. В приложении Gemini видео входит в платную подписку Google AI, во Flow тоже нужен тариф, а в API Google берёт плату за каждую секунду ролика.

Исключения бывают, но узкие: пробные периоды подписки и бесплатный год тарифа Pro для студентов в части стран. Сайты с обещанием «Veo 3 бесплатно и без регистрации» это посредники, которые перепродают доступ через API. Они платят Google за каждый ролик, значит, где-то возвращают эти деньги, и иногда твоими данными. Что вообще дают бесплатно видеогенераторы, в обзоре про нейросеть для видео.

Google Veo 3 из России

Официально Veo 3 из России недоступна: России нет в списке стран, где Google открыл приложения Gemini. Обходы блокировок и оплаты мы не советуем.

Для тебя это значит простое. Даже если ролики Veo попадаются в ленте каждый день, сделать такой же официальным путём отсюда нельзя. Для коротких роликов по фото на русском есть Алиса от Яндекса: несколько секунд движения, русский интерфейс, базовые генерации бесплатные с лимитом. До уровня Veo с речью она не дотягивает, но для открытки в семейный чат её хватает.

Похожая история случилась с Sora от OpenAI, только там сервис закрыли вообще. Что с ней стало и как не попасть на сайт-копию, разобрано в статье про Sora.

Где здесь мы

Звук и речь в ролике оставим Veo, у a-dam.photo задача тише: неподвижные портреты одного мужчины по его селфи, без видео, от 490 ₽ за пакет со сценами из каталога.

Частые вопросы