跳转到主要内容
veo3.1 是 Google 的 Veo 3.1 模型。两阶段任务式协议和其他视频模型一致，但有一个值得了解的差异点：原生在视频轨之外生成音频轨。同一套 submit → poll 流程生成的 MP4 自带模型为场景配的音频层 —— 适合不会再做单独音效设计环节的一次性成片。 价格： $0.40 / 每秒成片（失败不计费）—— Per-second 价格针对生成的视频长度计算；该档音频不单独计费。见费率卡。

​
Protocols

Protocol路径用途
OpenAI Video — submitPOST https://llm.bytespike.ai/v1/videos/generations入队；返回 task_id
OpenAI Video — pollGET https://llm.bytespike.ai/v1/videos/tasks/{task_id}就绪时返回 status、result_url 与 audio_url

​
Quickstart

TASK_ID=$(curl -s https://llm.bytespike.ai/v1/videos/generations \
  -H "Authorization: Bearer $BYTESPIKE_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "veo3.1",
    "prompt": "Rain falling on a quiet street at night, distant car passing",
    "duration_seconds": 5,
    "size": "1280x720",
    "audio": true
  }' | jq -r .task_id)

# 轮询模式与 sora2 一致 —— 见 /models/sora2#quickstart
# 响应同时包含 result_url（视频）和 audio_url（音轨）

​
Capabilities

能力支持
文生视频✅
图生视频（带 source_image）✅
原生音频生成✅（设置 audio: true）
duration_seconds 5 / 10✅
size 1280×720 / 1920×1080✅
Modalityvideo
Capability bucketvideo_generate

​
何时使用

  • 一次性成片 —— 片段就是最终产物，不会再有音效设计环节。
  • 环境 / 氛围素材 —— 雨声、风声、城市噪声，Veo 的原生音频比给无声片配音更真实。
  • Sora 的替代选项 —— Sora 特定的运动风格不合品牌时，Google 的渲染感觉更贴近品牌调性。
不适用的场景：
  • 已经有自己的音效设计 —— 在该流程里音频是浪费的小溢价；降到 veo3.1-fast 不含音频。
  • 需要 Sora 特有的运动质感 —— 改用 sora2 或 sora2-pro。

​
下一步