veo3.1 - ByteSpike

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 — submit	`POST https://llm.bytespike.ai/v1/videos/generations`	入队；返回 `task_id`
OpenAI Video — poll	`GET 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 GET /v1/videos/tasks/{task_id} 直到 status 为 succeeded
# 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	✅
Modality	video
Capability bucket	`video_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。

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。

下一步

veo3.1-fast —— 更便宜的一档
多模态端点 —— 总览