Veo

Veo ist Googles spezialisiertes Modell für die Erzeugung von Videos mit künstlicher Intelligenz und wird von Google DeepMind entwickelt. Im Mittelpunkt steht aktuell Veo 3.1. Das Modell erzeugt kurze Clips aus Textbeschreibungen oder Bildern und kann dabei gleichzeitig eine passende Audiospur mit Dialog, Geräuschen und Atmosphäre erzeugen. Für normale Nutzer läuft Veo vor allem über Google Flow oder Gemini; Entwickler greifen über die Gemini API und Google-Cloud-Dienste darauf zu. Dadurch ist Veo eher eine Modellfamilie mit mehreren Zugangswegen als ein einzelnes klassisches SaaS-Programm mit einer einzigen Oberfläche und einem festen Tarif.

Die Arbeitsweise hängt vom gewählten Zugang ab. In Google Flow wird zunächst ein Projekt geöffnet und ein unterstütztes Videomodell gewählt. Danach lassen sich Text-Prompts eingeben und je nach Funktion Bilder als erster Frame, letzter Frame oder Referenz verwenden. Veo 3.1 unterstützt in den dokumentierten Zugängen Querformat mit 16:9 und Hochformat mit 9:16. Bei der Gemini API sind 4, 6 und 8 Sekunden als Grundlängen vorgesehen; 1080p und 4K setzen dort 8 Sekunden voraus. Referenzbilder und bestimmte Verlängerungsfunktionen verlangen ebenfalls 8 Sekunden. Für einzelne Workflows gelten daher strengere technische Grenzen als die allgemeinen Marketingbeschreibungen vermuten lassen.

Eine zentrale Besonderheit gegenüber vielen älteren Videomodellen ist das native Audio. Veo 3.1 erzeugt Bild und Ton gemeinsam, statt nur einen stummen Clip auszugeben. Dazu können gesprochene Dialoge, Umgebungsgeräusche und Soundeffekte gehören. Das spart bei einfachen Szenen einen zusätzlichen Vertonungsschritt. Gleichzeitig ist generiertes Audio nicht fehlerfrei: Sprache, Aussprache, Stimmen oder die Abstimmung mit komplexen Bewegungen können schwanken. In der Gemini API wird ein Video nur berechnet, wenn die Generation erfolgreich abgeschlossen wird; ein Fehler bei der Audioverarbeitung kann eine Ausgabe verhindern, ohne dass dafür der eigentliche Videopreis anfällt.

Für mehr Kontrolle kann Veo 3.1 bis zu drei Referenzbilder nutzen. Damit lassen sich Personen, Figuren, Produkte oder andere Motive über mehrere Generierungen konsistenter führen. Außerdem können erster und letzter Frame vorgegeben werden, sodass das Modell den Übergang dazwischen erzeugt. Veo 3.1 und Veo 3.1 Fast können bereits mit Veo erzeugte Videos über die Gemini API verlängern. Google dokumentiert dafür eine Verlängerung um sieben Sekunden pro Schritt und bis zu 20 Erweiterungen. Die Eingabe muss aus einer vorherigen Veo-Generation stammen; fremde Videos können in diesem API-Workflow nicht einfach als beliebige Verlängerungsquelle verwendet werden.

Die Bildqualität richtet sich nach Modell und Einstellung. Veo 3.1 und Veo 3.1 Fast unterstützen in der Gemini API 720p, 1080p und 4K, wobei höhere Auflösungen an die achtsekündige Dauer gebunden sind. Veo 3.1 Lite unterstützt dort 720p und 1080p, aber kein 4K. Die Ausgabe erfolgt mit 24 Bildern pro Sekunde. In Flow können die verfügbaren Modellvarianten und Funktionen abweichen. Google weist ausdrücklich darauf hin, dass nicht jede Funktion von jedem Modell unterstützt wird. Nutzer sollten daher vor der Generierung Modell, Auflösung, Dauer und aktuellen Credit-Verbrauch direkt in Flow prüfen.

Google Flow ergänzt das eigentliche Modell um einen nutzerfreundlicheren Produktionsablauf. Projekte, generierte Clips und Bilder lassen sich dort organisieren; je nach aktueller Funktion können Clips in Szenenfolgen angeordnet, gekürzt und weiterverwendet werden. Daten lassen sich über Downloads und Google Takeout ausgeben. Damit ist die fertige Medienausgabe nicht vollständig an die Plattform gebunden. Der eigentliche Generierungsprozess, Modellzugriff und bestimmte Projektfunktionen bleiben jedoch Google-gebunden. Wer einen vollständig lokalen oder selbst gehosteten Workflow ohne Cloud-Abhängigkeit benötigt, findet in Veo derzeit keine passende Lösung.

Für Entwickler steht die Gemini API bereit. Veo 3.1, Veo 3.1 Fast und Veo 3.1 Lite werden dort aktuell als Preview-Modelle geführt. Preview bedeutet, dass sich Modelle und Limits vor einer stabilen Veröffentlichung noch ändern können. Die API arbeitet asynchron: Ein Auftrag wird gestartet, anschließend wird der Status abgefragt, bis das Video fertig ist. Google speichert fertige Videos in diesem API-Workflow für zwei Tage. Wird ein Video zur Verlängerung erneut referenziert, beginnt diese Speicherfrist neu. Für produktive Systeme sollte die Ausgabe deshalb zeitnah in den eigenen Speicher übernommen werden.

Beim Preis gibt es zwei verschiedene Ebenen. Für normale Nutzer ist der Zugang über Google Flow entscheidend. Die aktuelle Flow-Guthabenseite nennt für Konten ohne Google-AI-Abo 50 kostenlose Flow-Credits pro Tag, die nur für Veo 3.1 Lite, Fast und Quality eingesetzt werden können. Nicht verbrauchte Tagescredits werden nicht übertragen. Gleichzeitig nennt eine andere aktuelle Flow-Hilfeseite ein Google-AI-Plus-, Pro- oder Ultra-Abo als allgemeine Voraussetzung für Flow. Die offiziellen Seiten sind an diesem Punkt widersprüchlich; die Preisbox von ToolWissen verwendet deshalb den dokumentierten kostenlosen Credit-Einstieg, während diese Zugangsvoraussetzung bis zur Veröffentlichung erneut geprüft werden sollte.

Für Abonnenten gelten zusätzliche monatliche Credits. Die deutsche Google-One-Seite zeigt für Google AI Plus aktuell 4,99 Euro oder 9,99 Euro pro Monat, abhängig von der gewählten Speichervariante, und 200 Flow-Credits pro Monat. Pro und Ultra erhalten höhere Kontingente. Für die API existiert dagegen keine kostenlose Veo-Stufe. Die offizielle Gemini-API-Preisseite berechnet Veo 3.1 nutzungsabhängig pro Videosekunde in US-Dollar. Veo 3.1 Standard mit Audio kostet dort 0,40 US-Dollar pro Sekunde für 720p oder 1080p und 0,60 US-Dollar für 4K. Fast und Lite sind günstiger, wobei Lite kein 4K unterstützt. Diese API-Preise gehören nicht in den 0-Euro-Hauptpreis, sondern in die Detailerklärung.

Eine klassische zeitlich begrenzte Veo-Testphase ist nicht bestätigt. Kostenlose Flow-Credits sind deshalb nicht als Testphase zu behandeln, sondern als dauerhafter kostenloser Einstieg mit Limits. Für Unternehmen kann zusätzlich der Cloud-Zugang relevant sein. Dort gelten andere Vertrags-, Datenschutz- und Abrechnungsbedingungen als bei privaten Flow- oder Gemini-Konten. Wer Veo in eine eigene Anwendung integriert, sollte deshalb nicht von den Verbraucherbedingungen auf die Cloud-Nutzung schließen.

Auch beim Datenschutz ist die Zugangsebene entscheidend. Für Gemini im Europäischen Wirtschaftsraum ist Google Ireland Limited der Diensteanbieter. Google erklärt in den Gemini-Datenschutzhinweisen, dass Eingaben, Dateien und andere Interaktionen je nach Einstellung gespeichert und für Produktverbesserung genutzt werden können. Bei Google Flow kann die Option „Help improve Google Flow“ dazu führen, dass Interaktionen, Uploads und Ausgaben zur Verbesserung von Google-Produkten verwendet und von geschulten Prüfern angesehen werden; solche geprüften Interaktionen können bis zu 18 Monate getrennt vom Google-Konto aufbewahrt werden. Bei kostenpflichtiger Gemini-API-Nutzung zeigt die Preisseite dagegen, dass Daten nicht zur Verbesserung der Produkte verwendet werden.

Für Google-Cloud-Dienste gelten wiederum die jeweiligen Cloud-Verträge. Google nennt dort eine Trainingsbeschränkung für Kundendaten und behandelt generierte Ausgaben im Vertragskontext als Kundendaten, gleichzeitig können Sicherheits- und Missbrauchskontrollen eigene Speicher- oder Prüfregeln auslösen. Daraus folgt keine pauschale Aussage, Veo sei automatisch „DSGVO-konform“. Unternehmen sollten den tatsächlich genutzten Zugang, das Data Processing Addendum, Aufbewahrungsfristen, mögliche Sicherheitsprüfungen und die Art der hochgeladenen Inhalte im eigenen Einsatz prüfen.

Veo ist in Deutschland über Google Flow verfügbar. Flow besitzt eine deutsche Oberfläche und unterstützt zahlreiche weitere Sprachen. Google empfiehlt dennoch englische Prompts für die besten Ergebnisse. In der Gemini API ist Englisch die am klarsten dokumentierte Prompt-Sprache; andere Sprachen können funktionieren, sind aber nicht in gleicher Weise evaluiert. Zusätzlich gibt es regionale Funktionsgrenzen. Im EWR sind beispielsweise das Bearbeiten hochgeladener Videos und die Avatar-Funktion in Flow derzeit nicht verfügbar. Auch für identifizierbare Personen und prominente Personen gelten Einschränkungen.

Öffentliche Bewertungen für Veo selbst müssen klar von Bewertungen der Host-Produkte Gemini und Flow getrennt werden. Der aktuelle ToolWissen-Audit findet als größte direkt passende Quelle BestFreeAI mit 4,7 von 5 Punkten aus 310 Reviews, gefolgt von ToolDirectory.AI mit 4,93 aus 227 Bewertungen, NeuroSelect mit 4,0 aus 7 sowie Secret und Product Hunt mit jeweils 5,0 aus 6 Reviews. Secret steht beim Gleichstand wegen jüngerer sichtbarer Bewertungsaktivität vor Product Hunt. App-Store-Bewertungen von Gemini, Drittanbieter-Apps mit „Veo“ im Namen und Bewertungen von Google Flow werden bewusst ausgeschlossen, weil sie nicht dasselbe Produkt bewerten.

Veo passt besonders zu Content-Creatorn, Videoproduzenten, Agenturen, Marketingteams und Entwicklern, die kurze Szenen, Produktideen, B-Roll, Werbevarianten oder filmische Konzepte schnell visualisieren möchten. Stärken sind die gemeinsame Erzeugung von Bild und Ton, Referenzbilder, Start- und Endframes, mehrere Qualitätsstufen und der API-Zugang. Weniger passend ist das Modell für lange Videos in einem einzigen Schritt, komplett lokale oder selbst gehostete Verarbeitung, garantierte Ergebniswiederholbarkeit oder Projekte, die eine klassische professionelle Schnittsoftware vollständig ersetzen sollen.

Direkte Alternativen hängen vom Schwerpunkt ab. Runway richtet sich stark an professionelle kreative Workflows und kombiniert eigene Videomodelle mit Bearbeitung. Kling AI ist eine breite Alternative für Text- und Bild-zu-Video mit verschiedenen Qualitäts- und Preismodellen. Adobe Firefly ist besonders interessant, wenn der Arbeitsablauf bereits in Adobe-Produkte eingebunden ist und mehrere Partnermodelle verglichen werden sollen. Luma Ray und Seedance sind weitere relevante Videomodelle. Für die Entscheidung sollten vor allem gewünschte Clipdauer, Audioqualität, Referenzkontrolle, Plattformbindung, API-Preis und Datenschutzanforderungen gegeneinander abgewogen werden.