Veo 3.1: guida pratica ad audio, riferimenti, Flow e SynthID
Audio nativo, immagini di riferimento, primo e ultimo fotogramma, estensione, accesso e limiti: come usare Google Veo 3.1 a novembre 2026, e quando passare a Gemini Omni.
Veo 3.1 è il modello video di Google DeepMind uscito il 15 ottobre 2025: genera clip da 4, 6 o 8 secondi a 24 fotogrammi al secondo, con audio sincronizzato, in 16:9 o 9:16 e fino al 4K. Accetta fino a tre immagini di riferimento oppure il primo e l’ultimo fotogramma, e una clip si può estendere a blocchi di 7 secondi. A novembre 2026 è ancora la versione più recente di Veo sulle piattaforme che lo offrono, da Google Flow ad Adobe Firefly.
Questa guida entra nei dettagli pratici: impostazioni, audio, riferimenti, estensione, accesso, limiti e SynthID. I dati tecnici vengono dalla documentazione delle piattaforme che integrano Veo 3.1. Dove non coincidono, lo segnaliamo, perché è lì che un progetto rischia di inciampare.
Cosa sa fare Veo 3.1: le specifiche che contano
Veo 3.1 è l’evoluzione di Veo 3, il modello con cui a maggio 2025 Google aveva introdotto audio sincronizzato con dialoghi, effetti e ambiente. La versione 3.1, secondo la ricostruzione di Wikipedia su Google Flow, ha aggiunto dialoghi, effetti ambientali e musica più ricchi insieme a nuovi strumenti di montaggio.
| Parametro | Veo 3.1 | Nota |
|---|---|---|
| Durata | 4, 6 o 8 secondi | Per generazione |
| Fotogrammi | 24 al secondo | Fissi |
| Risoluzione | 720p, 1080p, 4K | Il 4K non c’è ovunque |
| Formati | 16:9 e 9:16 | Solo questi due |
| Audio | Dialoghi, effetti, ambiente, musica | Si può spegnere |
| Riferimenti | Fino a 3 immagini | Oppure primo e ultimo fotogramma |
| Estensione | +7 secondi per passo, fino a 20 passi | Circa 148 secondi |
La tabella combina la pagina di fal, che documenta 4K, 24 fps ed estensione, e quella di Higgsfield, che indica durate e riferimenti. Il modello esiste in due versioni principali: Standard, per la qualità, e Fast, più rapida ed economica. Fal cita anche un livello più leggero che genera clip mute a 720p, non disponibile sulla sua piattaforma.
Audio nativo: quando tenerlo e quando spegnerlo
L’audio è il motivo per cui molti scelgono Veo. Con l’opzione attiva ottieni dialoghi con labiale, effetti, ambiente e musica in un solo passaggio. In Firefly Boards, ad agosto 2026, Veo 3.1 e Veo 3.1 Fast erano gli unici modelli video con audio.
Ma l’audio costa. Su fal, a novembre 2026, un secondo a 1080p in versione Standard costa 0,20 dollari senza audio e 0,40 con audio; in Fast si passa da 0,10 a 0,15. Una clip da 8 secondi con audio vale quindi 3,20 dollari in Standard. Quando una scena verrà coperta da musica e sound design, generarla muta dimezza il costo di ogni tentativo.
- Tienilo acceso per primi piani con battute, dove il labiale deve nascere insieme all’immagine.
- Spegnilo per inquadrature d’atmosfera, packshot e scene che andranno su una traccia musicale.
- Provalo in italiano prima di contarci: fal parla di dialoghi in più lingue, ma le fonti consultate non elencano quali.
Anche quando l’audio generato funziona, in un lavoro finito passa comunque dal mix. Ne parliamo nella guida all'audio AI per video.
Immagini di riferimento, primo e ultimo fotogramma, estensione
Veo 3.1 offre tre modi per togliere il caso dalla generazione. Con le immagini di riferimento, fino a tre, fissi personaggio, oggetto o stile. Su Higgsfield la coerenza del soggetto da 1-3 immagini è riservata alla versione Standard. Con primo e ultimo fotogramma dai al modello due immagini e lui scrive il movimento che le collega.
L’estensione, infine, aggiunge fino a 7 secondi alla volta partendo dalla clip precedente, per un massimo di 20 passi. Più passi accumuli, più un difetto si propaga: conviene pianificare i tagli e ripartire da un fotogramma approvato invece di allungare all’infinito.
Un flusso affidabile per un’inquadratura controllata parte dalle immagini, non dal prompt:
- Disegna o genera i keyframe di inizio e fine e falli approvare.
- Scrivi il prompt come una riga di storyboard: campo, movimento di macchina, azione, luce, suono.
- Scegli 8 secondi solo se servono: le durate brevi costano meno e si montano meglio.
- Genera in Fast o a 720p per le prove, poi rigenera la take scelta in Standard alla risoluzione finale.
- Estendi solo se l’azione deve continuare senza taglio.
Dove si usa Veo 3.1: Flow, Gemini, Firefly e le altre piattaforme
La casa di Veo è Google Flow, lo strumento presentato al Google I/O del 20 maggio 2025 e rinominato Google Flow all’I/O del 19 maggio 2026. Secondo Wikipedia, ad agosto 2025 gli utenti vi avevano già generato oltre 100 milioni di video. Flow serve per progetti più lunghi con continuità tra le scene; l’app Gemini per clip brevi e veloci. Veo si paga con diversi livelli di abbonamento e con i crediti AI di Google.
Fuori da Google, la pagina Adobe sui modelli partner, aggiornata al 23 ottobre 2026, elenca Veo 3.1 nel testo-video e immagine-video di Firefly, in Boards, nel video editor di Firefly e perfino in Lightroom. In Firefly, secondo la guida di Adobe, le risoluzioni sono 720p e 1080p. Higgsfield offre Standard e Fast, sempre a 720p e 1080p. Il 4K lo trovi su fal, via API. Kult Studios è partner di Higgsfield e di Adobe: tienine conto.
Un dettaglio da non trascurare: fal indica che il suo endpoint Veo 3.1 sarà deprecato il 17 novembre 2026, senza nominare un sostituto. Se costruisci un flusso automatico su un provider, controlla le date di fine servizio prima di firmare una consegna.
Limiti, regole e SynthID
Il limite più evidente è la durata: 8 secondi per generazione. Veo 3.1 è pensato per inquadrature, non per scene intere, e va trattato così in sceneggiatura. Poi ci sono i filtri: secondo fal il modello blocca violenza esplicita, contenuti espliciti, contenuti che promuovono danni e la rappresentazione di persone reali e celebrità. Un testimonial in carne e ossa non si genera con Veo, si gira o si ottiene con un consenso scritto su un altro flusso.
Tutti i video portano SynthID, il watermark invisibile di Google: secondo fal sopravvive alla maggior parte delle ricompressioni e non si può disattivare. In Firefly si aggiungono le Content Credentials, che secondo Adobe registrano anche il modello usato. Come funzionano e cosa verificano lo spieghiamo nell’articolo su Content Credentials e C2PA; gli obblighi di trasparenza sono nella guida all'AI Act.
I filtri, però, non bastano a garantire un uso corretto. A luglio 2025 Media Matters ha trovato su TikTok video razzisti e antisemiti fatti con Veo 3, come riporta Wikipedia. La revisione dei contenuti resta un lavoro umano.
Veo 3.1 o Gemini Omni?
Al Google I/O del 19 maggio 2026 Google ha presentato Gemini Omni, un modello multimodale che genera video partendo da qualsiasi tipo di input. Su fal la versione disponibile a novembre 2026 è Gemini Omni Flash 1.2, con funzioni dedicate a modifica, estensione e upscaling di video esistenti. In Firefly Boards accetta un video più tre immagini, oppure fino a quattro immagini.
La divisione del lavoro, per ora, è chiara. Veo 3.1 resta il motore per inquadrature pianificate, con keyframe, riferimenti e audio. Omni ha senso quando parti da materiale che esiste già e vuoi modificarlo per istruzioni successive.
Veo 3.1 funziona quando la scena è già decisa
Veo 3.1 rende al meglio con uno storyboard approvato, keyframe fissati e una lista di inquadrature da 4-8 secondi. Senza, si finisce a generare decine di tentativi per trovare per caso quello che andava deciso prima.
È il metodo con cui lavoriamo ai nostri brand film: il motore giusto per ogni inquadratura, l’approvazione del cliente a ogni passaggio, i diritti d’uso scritti prima di generare.
Domande frequenti
Quanto dura un video di Veo 3.1?
Ogni generazione dura 4, 6 o 8 secondi. Con l’estensione puoi aggiungere fino a 7 secondi alla volta, per un massimo di 20 passi e circa 148 secondi complessivi.
Dove si può usare Veo 3.1 fuori da Google?
A novembre 2026 Veo 3.1 è disponibile in Adobe Firefly, anche in Boards e nel video editor, su Higgsfield e tramite provider API come fal. Le risoluzioni cambiano: Firefly e Higgsfield offrono 720p e 1080p, fal anche il 4K.
Si può togliere il watermark SynthID da Veo 3.1?
No. SynthID è un watermark invisibile applicato a tutti i video di Veo 3.1 e, secondo la documentazione di fal, non si può disattivare. Toglierlo con strumenti terzi non è una buona idea per un brand che deve essere trasparente sull’uso dell’AI.
Fonti
- Veo 3.1 | Text to Video, Image to Video, Reference to Video, Extend Video · fal, 2026-11
- Veo 3.1 on Higgsfield · Higgsfield, 2026-11
- AI Video Generator: Kling, Veo, Seedance and more · Higgsfield, 2026-11
- Partner models in Adobe products · Adobe Help Center, 2026-10-23
- Generate videos using partner models · Adobe Help Center, 2026-08-07
- Partner models to generate videos (Firefly Boards) · Adobe Help Center, 2026-08-18
- Adobe Firefly expands video and image creation with new AI capabilities and custom models · Adobe, 2026-03-19
- Kling 3.0 & Omni AI Video Generator now in Adobe Firefly (Content Credentials FAQ) · Adobe, 2026
- Veo (text-to-video model) · Wikipedia, 2026-11
- Google Flow · Wikipedia, 2026-11
- Google Gemini · Wikipedia, 2026-11
- Google models on fal (Gemini Omni Flash 1.2) · fal, 2026-11
- Gemini Omni on fal · fal, 2026-11
Continua a leggere.
Kling 3.0: guida pratica a multi-shot, audio, Omni e limiti
Multi-shot, audio nativo, elementi Omni, 4K e costi: come funziona Kling 3.0 a novembre 2026, cosa non sa fare e quando conviene ancora rispetto a Kling 4.0.
Sora 2 e i brand: cosa resta dopo la chiusura e cosa usare ora
OpenAI ha chiuso Sora 2 nel 2026. Le date, le ragioni riportate, cosa fare con i video già generati e quali motori usare al suo posto a novembre 2026.
Pubblicità di Natale AI 2026: chi la usa, chi la rifiuta e perché
Prada disegna a mano, Levi’s torna alla claymation, Dior finisce sotto accusa: il Natale 2026 mostra cosa il pubblico punisce e cosa accetta dall’AI.