Imagen a Video IACrear videos con IA a partir de texto gratisDesde 1,60 $ / video
El último modelo de video de Google, Veo 3, ofrece una calidad mejorada respecto de Veo 2. Con él, ahora puedes agregar diálogos entre personajes, efectos de sonido y ruido de fondo para una experiencia de visualización más rica.
Aporte
Modo
Complete los campos obligatorios para ver el precio.
curl-X POST 'https://pollo.ai/api/platform/v1/generation/google/veo-3/video'\-H'Content-Type: application/json'\-H'x-api-key: YOUR_API_KEY'\-d'{ "input": { "prompt": "A cinematic shot of a golden retriever running through a field of sunflowers at sunset, warm rim light, shallow depth of field", "negativePrompt": "blurry, low quality, distorted, watermark, text", "aspectRatio": "16:9", "duration": 4, "resolution": "720p", "generateAudio": true }}'
Opcionalmente, incluya la URL del webhook para recibir una notificación cuando la tarea se complete con éxito o falle.
Campo de solicitud opcional
{"input":{"prompt":"A cinematic shot of a golden retriever running through a field of sunflowers at sunset, warm rim light, shallow depth of field","negativePrompt":"blurry, low quality, distorted, watermark, text","aspectRatio":"16:9","duration":4,"resolution":"720p","generateAudio":true},"webhookUrl":"https://example.com/webhooks/pollo"}
Esquema
Campos de entrada para el punto final y el modo seleccionados.
Campo
Tipo
Requerido
Descripción
prompt
string
Sí
Text prompt describing the content to generate.
negativePrompt
string
No
Text describing elements to avoid in the generated output.
aspectRatio
string
No
Output aspect ratio, as width:height (e.g. 16:9).
duration
number
No
The duration of the generated video, in seconds.
resolution
string
No
Output resolution of the generated media (e.g. 720p, 1080p, 2K, 4K). Values are case-insensitive.
seed
integer
No
Random seed for reproducible generation.
generateAudio
boolean
No
Generate natural-sounding, fitting audio for the output video.
El audio forma parte del plan de generación de Veo 3. El modelo puede crear videoclips cortos donde se describen simultáneamente la voz, los efectos de sonido, el ruido ambiental, el movimiento y la dirección de la cámara.
Con Veo 3 en la API de Pollo , los desarrolladores pueden agregar flujos de trabajo de texto a vídeo e imagen a vídeo a productos que necesitan clips generados con salida visual y de audio.
Características clave de la API de Veo 3
Salida de audio nativa
Veo 3 puede generar audio junto con el vídeo, incluyendo diálogos, ambiente de la escena y efectos de sonido vinculados a las acciones visibles en el clip.
Manejo de diálogos breves
Este modelo resulta útil para momentos breves de conversación en los que la indicación define al hablante, la frase, el gesto y la reacción del entorno en una escena compacta.
Detalles de movimiento y físicos
Veo 3 gestiona el movimiento de objetos, los cambios de iluminación, el movimiento de la cámara y los efectos ambientales de forma que las escenas cortas resulten internamente coherentes.
Guía de texto e imágenes
Las indicaciones pueden comenzar con texto únicamente o utilizar una imagen como contexto visual para el tema, el fotograma inicial, el producto, el objeto o el entorno.
Diseño de escenas con reconocimiento de sonido
Las instrucciones de la escena pueden incluir lo que se debe oír, como pasos, herramientas, alarmas, el sonido ambiente, agua, maquinaria o una breve frase hablada.
Estructura de clip compacta
El control de Veo 3 resulta más sencillo cuando la escena tiene una acción principal, una idea clara de la cámara y un final audible o visual.
Casos de uso de la API de Veo 3
Herramientas para crear fragmentos de diálogo: Genera escenas cortas con un hablante definido, una línea de diálogo, una acción correspondiente y un ambiente circundante.
Escenarios de capacitación: Convierta guiones sobre el lugar de trabajo, la seguridad o la incorporación de nuevos empleados en clips cortos con acciones visibles y señales de audio relevantes.
Demostraciones educativas: Crea vídeos didácticos donde la narración, el movimiento de objetos y los sonidos ambientales apoyen un único punto de enseñanza.
Momentos de juego e historia: Producir escenas cinemáticas breves, diálogos de PNJ o elementos de historias ramificadas que necesiten voz, movimiento y detalles del entorno en conjunto.
Borradores de conceptos publicitarios: Pruebe escenas cortas de comerciales antes de la producción, especialmente cuando el sonido, la acción y el ritmo afecten la idea.
Funciones de la aplicación para creadores: Permite a los usuarios crear vídeos cortos con sonido generado en lugar de enviar clips silenciosos a un flujo de trabajo de audio independiente.
Animación de imagen a vídeo: Anima las imágenes subidas definiendo el movimiento de la cámara, la acción del sujeto, el entorno y el tratamiento del sonido.
Cómo usar la API de Veo 3
Obtén una clave API: Crea una cuenta de API de Pollo y genera tu clave API desde el panel de desarrolladores.
Elige el modelo: Llama a la ruta Veo 3 en /generation/ Google/veo3.
Agregue sus entradas: Envíe un prompt para texto a video o una URL de image para imagen a video; opcionalmente configure negativePrompt, length, aspectRatio, resolution, seed o generateAudio.
Generar y recuperar: Envíe la tarea, guarde la información de la tarea devuelta y recupere el video una vez que se complete la generación.
Recomendando las mejores prácticas para la API de Veo 3
Escribe las indicaciones como especificaciones breves de la escena. Incluye el tema, el escenario, la posición de la cámara, la acción principal, los requisitos de audio, el diálogo (si es necesario) y el momento final.
Una fórmula sencilla para obtener indicaciones
Sujeto + escenario + posición de la cámara + acción principal + señal de audio o diálogo + detalle visual + ritmo final
Lo que debes observar
Alcance del audio: Indique si el clip debe incluir voz, ambiente, efectos de sonido, silencio o una combinación específica.
Duración del diálogo: Mantenga las líneas habladas breves, especialmente cuando la escena también requiere acción visible o una reacción.
Vínculo acción-sonido: Describe acciones que generan sonido de forma natural, como abrir una puerta, girar una herramienta, verter agua o que suene un temporizador.
Simplicidad de cámara: Utilice una idea clara para la cámara en lugar de incluir varios cambios de toma en una salida corta.
Propósito de la imagen: Si se proporciona una imagen, explique si define el sujeto, el entorno, el primer fotograma, la forma del objeto o la referencia de estilo.
Estado final: Define qué debería ser cierto al final del clip, como por ejemplo que el objeto esté fijo, la puerta abierta o el altavoz en pausa.
Ejemplos de indicaciones
Anuncio de la plataforma de transporte público
"Crea un vídeo de 8 segundos en un andén de tren a primera hora de la mañana. Un empleado de la estación consulta un panel digital, indica a los pasajeros otra vía y dice: 'El andén tres ya está embarcando'. Incluye reverberación de megafonía, maletas rodando, iluminación tenue y una cámara con movimiento lateral lento."
Clip de reparación del taller
"Utiliza la foto subida de una lámpara de escritorio rota como imagen de partida. Muestra unas manos reemplazando el interruptor, la lámpara parpadeando una vez y luego brillando de forma constante. Incluye pequeños sonidos de destornillador, un ambiente tranquilo de taller, sombras cálidas y un último clic al presionarla."
Demostración de química en el aula
Crea una breve demostración en el aula. Un profesor añade una solución azul a un vaso de precipitados transparente, los alumnos se acercan y el líquido se vuelve verde. Añade la frase "Observa cómo comienza la reacción", el tintineo de los vasos, el sonido ambiente y un movimiento de cámara constante desde arriba hacia abajo."
Escenario de simulacro de emergencia
"Crea un vídeo de un simulacro de seguridad laboral. Una luz del pasillo parpadea, un empleado cierra un armario, sigue las flechas del suelo y dice: 'La ruta de salida está despejada'. Incluye una alarma lejana, pasos, iluminación fluorescente y una toma final de la puerta de la escalera abierta."
Momento del temporizador de cocina
Crea un vídeo de cocina de 8 segundos. Un cocinero abre el horno, sale vapor, suena un temporizador dos veces y dice: «Perfecto, déjalo reposar». Utiliza un encuadre cercano con cámara en mano, luz cálida sobre la encimera, sonidos del horno y una pausa final sobre la bandeja.
Veo 3 frente a Veo 3 Fast frente a Veo 3.1
Capacidad
Veo 3
Veo 3 Fast
Veo 3.1
Uso principal
Generación estándar de Veo 3 con vídeo y audio nativo
Iteración orientada a la velocidad para borradores y pruebas de indicaciones
Flujo de trabajo de Veo más reciente con control visual ampliado
Ajuste de entrada
Indicaciones de texto y guía de una sola imagen
Indicaciones de texto e imagen para variantes rápidas
Flujos de trabajo de texto, imágenes, referencias y marcos controlados
Flujo de trabajo de audio
Generación de voz, ambiente y efectos de sonido en clips cortos
Útil para probar rápidamente ideas de indicaciones de audio y vídeo
Útil cuando el audio necesita seguir entradas visuales más controladas
Control de escenas
Escenas concisas con una acción principal y una señal sonora definida
Múltiples indicaciones y exploración de variantes
Planificación de escenas basada en referencias o guiada por fotogramas
Perfil del desarrollador
Apps que necesitan vídeo generado con audio en el mismo flujo de trabajo
Herramientas de vista previa, ideación por lotes y ciclos de iteración cortos
Flujos de trabajo que necesitan una continuidad visual más estricta o un manejo de referencias
Recomendado para
Clips de diálogo, explicaciones, escenas de capacitación y salidas de imagen a video
Redacción, pruebas y comparación de indicaciones
Recursos de campaña, referencia o guion gráfico con un control visual más estricto
¿Por qué elegir la API de Veo 3 ?
Veo 3 es una opción práctica cuando la salida debe incluir sonido generado, no solo imágenes en movimiento. Es ideal para escenas cortas con audio basado en diálogos, ambiente o acción.
A través de la API de Pollo , los equipos pueden acceder a Veo 3 junto con más de 300 modelos de imagen y vídeo, con una única interfaz de API, documentación clara, costes más bajos, infraestructura escalable y soporte humano.
Utilice Veo 3 en la API de Pollo cuando su producto necesite generación de vídeo con reconocimiento de audio para clips de diálogo, escenas de formación, contenido educativo, borradores de anuncios o herramientas de conversión de imagen a vídeo.
Preguntas frecuentes sobre la API de Veo 3
¿Qué es Veo 3?
Veo 3 es el modelo de generación de vídeo de Google para crear vídeos cortos con audio nativo, que incluye voz, efectos de sonido, ambiente, movimiento realista y guía mediante texto o imágenes.
¿La API de Veo 3 admite la conversión de texto a vídeo y de imagen a vídeo?
Sí. La API de Veo 3 en la API de Pollo admite la generación basada en indicaciones y la generación guiada por imágenes, por lo que los desarrolladores pueden crear clips a partir de escenas escritas o imágenes cargadas.
¿Puede Veo 3 generar audio con el vídeo?
Sí. Veo 3 puede generar audio con el clip, incluyendo breves diálogos, ambiente de fondo y efectos de sonido relacionados con las acciones visibles de la escena.
¿Es útil la API de Veo 3 para escenas de diálogo?
Sí, especialmente para diálogos breves. La consigna debe definir quién habla, la frase, la acción visible y el entorno sonoro.
¿En qué se diferencia Veo 3 de Veo 3 Fast?
Veo 3 es más adecuado para la generación estándar, donde la sincronización del audio y el detalle visual son importantes. Veo 3 Fast es más útil para variantes rápidas y pruebas inmediatas.
¿Por qué ejecutar Veo 3 a través de la API de Pollo ?
La API de Pollo permite a los desarrolladores usar Veo 3 junto con más de 300 modelos de imagen y vídeo, lo que simplifica la comparación, el diseño del flujo de trabajo y la gestión de la integración.
