Google DeepMind · Veo 3 · Mai 2025
Google Veo 3 ist die produktionsreife Generation, die Google DeepMind im Mai 2025 veröffentlicht hat, mit der offiziellen Botschaft „Video, meet audio“, die native Generierung von Umgebungsgeräuschen, Dialog und Bild gemeinsam hervorhebt. Typische Clips laufen etwa 4–8 Sekunden, geeignet für cineastische Werbeclips und narrative Testschnitte. Im Vergleich zum späteren Veo 3.1 sind Bild-zu-Video-Konsistenz und Steuerungen wie Extend oder Erst-/Letztbild einfacher gehalten; wenn ein Projekt bereits auf Veo 3 validiert ist und das ausreicht, kannst du weiter damit arbeiten. Vergleiche mit 3.1, wenn du stärkere Referenzsteuerung brauchst. Wähle Veo 3 im iMini-Video-Workspace aus, um es zu nutzen.
Umgebungsgeräusche, Dialog und Bild werden in derselben Kette generiert — die erste Fähigkeit, die man an dieser Generation verstehen sollte. Geeignet für narrative Clips, die eine kombinierte Audio-Video-Auslieferung mit weniger Postproduktions-Audioarbeit brauchen.
Prompt-Treue und cineastische Bildkomposition stechen hervor, geeignet für Werbesegmente, Konzeptclips und Lieferungen, die klare Einstellungswechsel benötigen.
Teams, die ihre Pipeline bereits über Gemini, Flow oder Vertex führen, werden feststellen, dass sich Prompt- und Review-Gewohnheiten mit weniger Reibung übertragen lassen.
Wenn du stärkeres Bild-zu-Video, Referenzbilder, Extend oder Erst-/Letztbild-Steuerung brauchst, vergleiche mit Google Veo 3.1; für schnellere Takes schau dir 3.1 Fast oder 3 Fast an.
Alle drei sind führende Videomodelle der aktuellen Generation. Die Unterschiede liegen in der Generationsfähigkeit, Cliplänge, Referenzsteuerung und Audio-Video-Politur.
| Dimension | Google Veo 3 | Google Veo 3.1 | Seedance 2.5 |
|---|---|---|---|
| Cliplänge | Typischerweise ~4–8 s | Typischerweise ~4–8 s, erweiterbar | ~30 s nativer Einzeldurchlauf |
| Auflösung | Üblich 720p / 1080p | Üblich 720p / 1080p, höhere Stufen verfügbar | HD-Stufen verfügbar (siehe Workspace) |
| Natives Audio | Native Audio-Video-Synchronisation ist das Kernmerkmal dieser Generation | Stärkere Audio-Video-Politur und -Synchronisation | Siehe aktuelle Workspace-Fähigkeit |
| Multimodale Referenzen | Text-zu-Video · einfaches Bild-zu-Video (siehe Workspace) | Bild-zu-Video · Referenzbilder · Erst-/Letztbild · Extend | Vollständig multimodal, Multi-Referenz (offiziell ~50) |
| Bewegung & Physik | Priorisiert cineastischen Look und Audio-Video-Sync | Starker cineastischer Look und Prompt-Treue | Priorisiert Konsistenz über längere Passagen |
| Bevorzugen, wenn | Bereits auf Veo 3 validiert, natives A/V reicht aus | Stärkere Bild-zu-Video-Steuerung und Extend für finale Schnitte | Ein komplettes Werbesegment / einen Kurzdrama-Beat in einem Durchlauf generieren |
Dein Workflow ist bereits auf Veo 3 bewährt, native Audio-Video-Synchronisation und cineastischer Look erfüllen bereits die Lieferanforderungen, und du brauchst noch keine 3.1-Level-Steuerung.
Du stärkeres Bild-zu-Video, Referenzbilder, Extend und Erst-/Letztbild-Steuerung oder höhere Audio-Video-Politur brauchst.
Du einen längeren Einzeldurchlauf, eine größere Referenzskala brauchst und das Werbesegment in einem Schritt generieren willst.
Drei Schritte vom Öffnen des Workspace bis zum Export eines fertigen Clips.
Gehe zur iMini-Videoerstellung und wähle Google Veo 3 aus.
Beschreibe Einstellung, Motiv und Sound-Absicht klar; Standbilder können als Bild-zu-Video-Referenzen genutzt werden.
Exportiere, sobald Audio-Video-Sync und Timing stimmen. Wenn die Steuerungsoptionen nicht ausreichen, vergleiche mit Veo 3.1 für ein Upgrade.
Kontingente, Spezifikationen und Migration.
Native Audio-Video-Synchronisation und cineastische Clips. Öffne den Video-Workspace, um es zu nutzen — kein separater Vendor-API-Key nötig.
Kein separater Vendor-API-Key nötig.
