Перейти к содержимому
Учи.Онлайн Выбрать школу
Статья

Google Veo 3: как получить ролик со звуком и речью по текстовому запросу и где его применить

Google Veo 3 и его версия Veo 3.1 — модели Google, которые по текстовому описанию или фотографии создают клип длиной 4, 6 или 8 секунд сразу со звуком: репликами героев, шумами и фоновой атмосферой. Вы описываете сцену, движение камеры и звук, получаете несколько дублей, отбираете удачный и продлеваете его или монтируете с другими. Работать с Veo можно во Flow, через Gemini API и в Google Cloud. Освоить придётся описание сцены и звука, расчёт кредитов, проверку речи и правила использования.

Автор: редакция Учи.ОнлайнОтветственный редактор: Дмитрий Игнатьев
Содержание
Иллюстрация к статье: Google Veo 3: как получить ролик со звуком и речью по текстовому запросу и где его применить

Главное заблуждение новичка — что Veo «живёт» в чате Gemini. Осенью 2026 года это уже не так: на странице о генерации видео в Gemini сказано, что в приложении Veo 3.1 заменила модель Gemini Omni 1.1 Flash, которая делает ролики до 10 секунд и редактирует видео в диалоге. Сам Veo 3.1 остался там, где нужен контроль: в инструменте для съёмки сцен Flow и в API для разработчиков. Поэтому, прежде чем учить промпты, стоит понять, какой продукт вы открываете и какая модель в нём работает.

Что умеет Veo и в каких версиях доступен

По документации Gemini API о Veo сейчас доступны Veo 3 и Veo 3 Fast в стабильной версии, а также Veo 3.1, Veo 3.1 Fast и облегчённая Veo 3.1 Lite в статусе предварительного выпуска. Звук у всех этих моделей включён всегда. Клип длится 4, 6 или 8 секунд с частотой 24 кадра в секунду, кадр горизонтальный 16:9 или вертикальный 9:16. Разрешение по умолчанию — 720p, а 1080p и 4K доступны только для восьмисекундного ролика; у Lite 4K нет. Veo 3.1 принимает до трёх изображений-ориентиров: например, фото товара и персонажа, которые должны остаться узнаваемыми в кадре.

Задачи, где модель экономит время, — короткие сцены, которые трудно или дорого снять: атмосферная перебивка для ролика, реплика вымышленного персонажа в рекламе, раскадровка-аниматик для согласования с заказчиком, иллюстрация к уроку. Там, где важна документальная точность — отзыв реального клиента, работа конкретного прибора, репортаж, — нужна съёмка: модель достраивает детали и может изменить форму предмета.

Доступ, условия и подписки

Официально Veo из России недоступен: в списке стран приложения Gemini России нет, а справка о начале работы во Flow называет три условия: нахождение в поддерживаемом регионе, подтверждённый возраст от 18 лет и подписку Google AI Plus, Pro или Ultra (без неё остаётся лишь небольшой дневной запас кредитов). Работа через перепродающих доступ посредников идёт вне условий Google, и аккаунт с проектами может пропасть в любой момент.

Условия использования касаются и содержания. В справке Gemini о создании видео прямо сказано, что загружать можно только фото, на которые у вас есть права, а ролики, нарушающие правила о запрещённом использовании, удаляют, вплоть до блокировки аккаунта. Все результаты Flow получают невидимую метку SynthID; видимый знак можно отключить, но в Индии, Южной Корее и Вьетнаме он ставится автоматически.

Лимиты во Flow считаются в кредитах. По справке о кредитах Flow генерация в Veo 3.1 Lite стоит 10 кредитов, в Veo 3.1 Fast — 20, в Veo 3.1 Quality — 100; подписчикам Ultra Lite и Fast обходятся вдвое дешевле. Подписка AI Plus даёт 200 кредитов в месяц, AI Pro — 1 000, Ultra — 10 000 или 25 000 в зависимости от тарифа, без подписки — 50 кредитов в день. Неизрасходованные кредиты на следующий период не переносятся. Простая арифметика: на AI Pro это 10 роликов качества Quality или 50 роликов Fast за месяц, причём в счёт идут и дубли, которые не попадут в монтаж. Без подписки с 14 до 17 часов по UTC видео могут не генерироваться из-за нагрузки.

Как описать сцену, речь и звук

Запрос для Veo удобно строить в порядке съёмки: кто в кадре, что он делает, где это происходит, как движется камера, какой свет и стиль, затем звук. Звук описывают тремя слоями, и документация API даёт для каждого своё правило. Реплики пишут в кавычках — так модель понимает, что эти слова нужно произнести. Звуковые эффекты называют прямо: «скрипит дверь», «шипит кофемашина». Фон описывают как звуковую среду места: «негромкий гул кафе, звон посуды».

Учебный пример. Владелица небольшой пекарни хочет вертикальный ролик на 8 секунд для анонса утренней выпечки. Рабочий запрос выглядит так: «Вертикальный кадр. Пекарь в льняном фартуке достаёт из печи противень с круассанами, пар поднимается в луче утреннего света. Камера медленно наезжает на противень. Пекарь улыбается и говорит в камеру: „Первая партия готова, ждём вас к восьми“. Звуки: хруст корочки, стук противня о стол, тихая музыка радио на фоне». В черновике на Veo 3.1 Fast проверяют три вещи: совпадают ли губы со словами, правильно ли стоят ударения в русской фразе и не перебивает ли музыка речь. Только удачную композицию переводят в Quality.

Короткая реплика работает надёжнее длинной: в восемь секунд помещается одна-две фразы, а монолог модель скомкает или оборвёт. Если реплик две, указывайте, кто какую произносит, и описывайте говорящих по внешности, а не по именам. Текст на вывеске или упаковке лучше добавлять при монтаже.

С чего начать и в каком порядке осваивать

Шаги идут от дешёвого к дорогому и от картинки к звуку. Сначала нужно понять, как модель понимает описание кадра, иначе неудачу в звуке не отличить от неудачи в сцене. Затем добавляют речь и шумы, а длинные ролики и ориентиры по фото оставляют на конец, когда расход кредитов уже понятен.

  1. Сделайте три черновых ролика по одной сцене: только действие, действие и камера, действие, камера и свет. Сравните, что изменилось.
  2. Добавьте к лучшему варианту фоновый звук и один эффект, затем отдельно — реплику в кавычках.
  3. Проверьте русскую речь: ударения, темп, совпадение губ. Перепишите фразу короче, если модель её комкает.
  4. Попробуйте генерацию по фото товара или персонажа и сравните, насколько узнаваем объект.
  5. Соберите из трёх-четырёх клипов ролик на 20–30 секунд в монтажной программе, подгоните цвет и громкость.
  6. Посчитайте кредиты на весь ролик, включая выброшенные дубли.

Если хочется пройти этот путь с проверкой заданий, освоить сцены со звуком можно на онлайн-курсе «Нейросети для создания видео и музыки» Skillbox: видеоблок идёт от брифа и раскадровки к реалистичным сценам в Hailuo, Sora и Veo, аудиоблок посвящён синтезу голоса, музыке и эффектам, два модуля — монтажу в CapCut. Практику проверяет эксперт, проектов для портфолио заявлено больше пяти. Сведения о сроке расходятся: один или два месяца — уточните его у школы.

Открыть курс «Нейросети для создания видео и музыки»

Почему ролик нужно скачать в течение двух суток

У Veo есть продление: модель дописывает к готовому клипу следующие секунды, сохраняя героя и место. По документации API одно продление добавляет 7 секунд, их можно сделать до 20 раз, и итоговый ролик достигает 148 секунд. Продлевать можно только видео из Veo в 720p длиной до 141 секунды, и результат тоже будет в 720p: ролик, сразу сгенерированный в 1080p или 4K, этим способом не удлинить.

Важнее другое ограничение из той же документации: сгенерированные видео хранятся на сервере 2 дня, потом удаляются, а продлить можно лишь ролик, созданный или использованный за последние двое суток. Каждое продление перезапускает этот срок. На практике это значит, что длинную сцену нельзя растянуть на неделю: собрали удачный клип в понедельник, вернулись к нему в четверг — продолжения не будет, придётся генерировать заново и снова тратить деньги. Поэтому удачный дубль сразу скачивают, а серию продлений делают за один-два рабочих дня по заранее написанному плану.

Типичные ошибки новичков

Первая ошибка — сразу включать дорогую модель. Композиция, свет и движение камеры видны и в черновике на Fast или Lite, а Quality имеет смысл только для отобранного кадра. Вторая — писать в одном запросе всё сразу: три реплики, смену локации и надпись на экране. Модель выполнит часть, а остальное додумает. Третья — не проверять звук отдельно: ролик стоит послушать в наушниках без картинки, тогда слышны обрезанные слова, лишний смех и музыка, которую никто не заказывал.

Ещё одна ошибка касается людей. Реалистичный «отзыв клиента» или сцена с узнаваемым человеком без его согласия нарушает и правила Google, и права этого человека. Безопаснее вымышленные персонажи и пометка, что ролик создан с помощью ИИ.

Если Veo нужен как одна из нейросетей для повседневной работы, а не как основная специализация, посмотрите онлайн-курс «Нейросети с нуля для жизни и работы» Skillbox: два месяца при нагрузке три-пять часов в неделю, семь тематических проектов и финальная работа. Видео стоит в блоке о контенте рядом с текстами и изображениями, Veo назван среди сервисов вместе с Runway и HeyGen, но к конкретному занятию на странице не привязан — это стоит уточнить.

Открыть курс «Нейросети с нуля для жизни и работы»

Как навык влияет на доход

Отдельной профессии «оператор Veo» нет. Навык добавляется к работе SMM-специалиста, монтажёра, контент-мейкера и дизайнера и позволяет брать задачи без съёмочного дня: перебивки, анимированные карточки товара, рекламные клипы с репликой персонажа, аниматики для согласования.

Открытой статистики зарплат по этому навыку нет. Видны отдельные вакансии: например, FriendsVIDEO в августе 2026 года искала в Ставрополе AI контент-креатора с опытом от года до трёх лет за зарплату от 60 000 ₽ в месяц на руки; вакансия в архиве с 4 сентября 2026 года, а список требуемых сервисов в открытой части объявления не виден. Это предложение одного работодателя, а не средняя зарплата. На фрилансе из выручки вычитаются подписка, кредиты на дубли и налог, поэтому цену ролика разумно считать от расхода кредитов.

Как выбрать обучение

Онлайн-курсы по видеогенерации различаются тем, сколько в них монтажа, звука и работы с правами. Перед оплатой проверьте, обновлялась ли программа после смены моделей в Gemini, кто проверяет задания и разбирают ли расчёт кредитов.

Для тех, кому Veo нужен в играх и графике, есть интенсив «Нейросети в играх и графике» Skillbox: месяц, семь модулей и 29 уроков. Veo 3 используется в блоке 2D-графики вместе с Phygital Plus, Nano Banana, Hailuo и Kling для референсов, концепт-артов и анимации, а итогом становится прототип игры. Звуку и речи там отдельное место не отведено.

Открыть курс «Нейросети в играх и графике»

Хороший признак программы — разбор домашней работы с конкретными секундами брака: где губы отстали от слов, где оборвалась реплика, где сменилось лицо героя. Попросите такой пример до оплаты.

Сравнить школы по практике, цене и поддержке поможет рейтинг онлайн-школ с обучением ИИ для дизайнеров и креаторов — он шире темы Veo и охватывает нейросети для визуального контента вообще. А до выбора сделайте один восьмисекундный ролик с репликой и посчитайте кредиты: станет понятно, чему учиться в первую очередь — описанию сцены, звуку или монтажу.