¿Cuánto puede durar un clip de Veo 3.1?

4, 6 u 8 segundos, en todos los niveles. Nada intermedio ni más largo; para una toma más larga usa Seedance 2.5 o Hailuo 3.

¿1080p cuesta realmente lo mismo que 720p?

En Veo 3.1, sí, el catálogo lista la misma cifra para ambos niveles. En Veo 3.1 Fast y Veo 3.1 Lite, el nivel de 1080p cuesta más. El bloque de coste de arriba muestra los números en vivo.

¿Puede hacer que una persona hable?

Sí, en los tres niveles. Pon la frase entre comillas, di cómo se dice y describe el sonido debajo. El sonido siempre se renderiza en Veo.

¿Fotograma inicial o imagen de referencia, cuál quiero?

Un fotograma inicial hace que tu foto sea el primer fotograma del clip. Una referencia permite al modelo componer un nuevo plano a partir de lo que ve en la foto. Veo acepta una u otra en una ejecución, y Lite no acepta referencias.

¿Qué plan necesito?

Pro y superior, para los tres niveles. Recargar créditos en un plan inferior no los desbloquea.

¿Qué ocurre cuando Veo rechaza una solicitud?

Una solicitud que no cumple las reglas de duración, proporción o entrada se rechaza antes de que el modelo se ejecute y no se cobra nada. Cuando el sistema de seguridad del proveedor bloquea una renderización, el trabajo indica si se te ha cobrado: si el proveedor ya había procesado y facturado la solicitud, como en nuestra ejecución de referencia, los créditos no se reembolsan; si la rechazó antes de realizar cualquier trabajo facturable, no se cobra nada.

Guías / Modelos

Veo 3.1 en NOLGIA: tres niveles, sonido nativo y lo que rechaza

NOLGIA ofrece Veo 3.1, Veo 3.1 Fast y Veo 3.1 Lite. Los tres generan clips de 4, 6 u 8 segundos en 16:9 o 9:16 con sonido y voz renderizados en la misma pasada, a partir de texto o de una foto. Veo 3.1 tiene el mismo coste en 720p y 1080p; Fast y Lite cobran más por 1080p. Esta guía muestra lo que Veo hace mejor, una línea hablada a partir de una imagen fija, enumera lo que no acepta y explica dónde es el modelo equivocado: cualquier cosa con movimiento real.

10 min de lectura
24 de septiembre de 2026

Traducido automáticamente del inglés. Leer el original

La imagen fija

Diálogo

La configuración

Lo que creas, en orden. Pulsa uno para ir a su paso.

Veo es el modelo al que recurrir cuando una persona tiene que decir algo y el sonido debe ser correcto. Sus clips son cortos y sus opciones son pocas, y ese es el objetivo: tres duraciones, dos formatos de imagen, una foto o tres referencias, y audio nativo que no puedes desactivar. No es el modelo para la física: para un salto, un baile, un vertido o un coche en movimiento, usa Kling v3 o Seedance 2.5.

Esta guía usa un solo sujeto, un cantante ante un micrófono vintage creado con un modelo de imagen, y renderiza en el nivel Fast a 1080p. Los datos del catálogo provienen de las páginas públicas de los modelos el día de la escritura; la página del modelo Veo 3.1 es la versión en vivo.

Qué Veo estás eligiendo

Nivel	Calidad	Entradas	Sonido	Ideal para
Veo 3.1	720p o 1080p, mismo precio	Texto, un fotograma inicial o hasta 3 imágenes de referencia	Siempre, con voz	El plano terminado
Veo 3.1 Fast	720p, 1080p cuesta más	Texto, un fotograma inicial o hasta 3 imágenes de referencia	Siempre, con voz	Borradores, y la mayor parte de esta guía
Veo 3.1 Lite	720p, 1080p cuesta más	Texto o un fotograma inicial. Sin referencias	Siempre, con voz	Clips cotidianos con presupuesto ajustado

Del catálogo público de modelos el 2026-09-24. Los tres: 4, 6 u 8 segundos, 16:9 o 9:16, plan Pro o superior.

Elige el nivel en la lista de modelos del compositor de vídeo: Veo 3.1, Veo 3.1 Fast y Veo 3.1 Lite están uno al lado del otro. El selector de calidad bajo el prompt muestra el precio de cada nivel para la duración que definas.

El selector de modelos de vídeo con tres marcas numeradas en Veo 3.1, Veo 3.1 Fast y Veo 3.1 Lite, cada tarjeta muestra de 4 a 8 segundos y audio nativo — **Los tres niveles en la lista de modelos.** (1) Veo 3.1. (2) Veo 3.1 Fast. (3) Veo 3.1 Lite. Cada tarjeta reproduce la salida de ese modelo, para que puedas comparar antes de elegir.

Qué puede fallar

Error	Por qué falla	Corregir
Pedir 5 segundos	Veo solo genera 4, 6 u 8 segundos.	Elige uno de los tres; el compositor no ofrece otras opciones.
Un clip cuadrado o 4:3	Veo solo genera 16:9 y 9:16.	Elige el formato primero y reencuadra en Studio después.
Un fotograma inicial e imágenes de referencia juntos	El proveedor rechaza la solicitud. Usa una cosa u otra.	Usa un fotograma para una apertura exacta, o referencias para un nuevo ángulo.
Un párrafo de diálogo	En ocho segundos cabe una frase corta, dicha con claridad.	Una frase entre comillas, y debajo lo que se escucha.
Desactivar el audio	Veo siempre genera sonido.	Déjalo activado y escribe el sonido que quieres.
Imágenes de referencia en Lite	Lite no acepta referencias.	Usa un fotograma inicial, o cambia a Fast.

Antes de empezar

Decide si quieres 16:9 o 9:16. Todo lo demás depende de esta elección.
Escribe la frase hablada entre comillas, lo suficientemente corta para decirla en tres segundos.
Si tienes una foto, decide si es el primer fotograma (fotograma inicial) o una referencia visual para estudiar.
Veo está disponible en Pro y superiores. El botón Generar muestra el precio exacto según el nivel, la duración y la calidad en pantalla.

Una frase hablada a partir de una imagen fija

Este es el terreno natural de Veo: una persona dice una frase y el sonido de la sala está por debajo. Elegimos Anima una imagen, añadimos la imagen fija de la cantante como fotograma inicial, seleccionamos Veo 3.1 Fast a 1080p, 16:9, 8 segundos, y escribimos la frase entre comillas con el sonido después.

Una mujer cantante con pelo largo rojo y rizado, vestido de cuello alto y manga larga cubierto de lentejuelas verde oscuro, ante un micrófono vintage de cromo en un pequeño escenario, luz principal cálida de tungsteno, contraluz azul y humo — **El fotograma inicial.** Creado con un modelo de imagen para esta guía.

El prompt, tal como se envió

An invented, computer-generated singer, not a real person. She leans an inch closer to the microphone, looks into the lens and says, quietly and clearly, "One more song. Then we go." A small smile after the line. Slow push in to a medium close up, no cuts, no new people. The smoke drifts through the blue backlight. Sound: the room tone of a small club, a faint crowd murmur, the click of the microphone stand, no music under the line. No text, no logos.

La cantante pelirroja se inclina hacia el micrófono de cromo y dice una frase corta, con el haz de luz del foco y el humo detrás, y luego sonríe — **Veo 3.1 Fast, 1080p, 16:9, 8 s, a partir de la imagen fija, una sola ejecución.** Ella se inclina, los labios se mueven con la frase durante los segundos centrales y la sonrisa llega después, tal como se pidió. La pista estéreo lleva una voz en la banda de habla mientras ella habla y sonido ambiental alrededor; medimos la banda, no transcribimos las palabras, así que escucha antes de publicar.

Pruébalo tú mismo

El fotograma inicial (JPEG, 16:9)Foto JPEG · 1536x864 · 110 KBDescargar

Anima una imagen, Veo 3.1 Fast, 16:9, 8 segundos, 1080p, el prompt anterior.

La misma imagen fija como referencia: qué pasó

Adjunta la imagen fija en Imágenes de referencia en lugar de como fotograma inicial y Veo la estudia en vez de animarla: se leen de ella el vestuario, el micrófono y la luz, y el modelo encuadra su propio plano. El compositor libera el fotograma inicial en el momento en que añades una referencia, porque Veo toma una u otra. Las ejecuciones de referencia son solo de 8 segundos.

Lo ejecutamos y no volvió. El primer intento solicitó 6 segundos y fue rechazado antes de que el modelo se ejecutara, con la regla de 8 segundos especificada y sin cargo alguno. El segundo intento, de 8 segundos, fue rechazado por el sistema de seguridad del proveedor con el motivo de una coincidencia de la política de contenido en el prompt o la referencia; esa ejecución se cobró y no se reembolsó, porque el proveedor ya la había procesado. El prompt está abajo, tal como se envió, para que veas lo normal que era.

El prompt, tal como se envió

Use @Image1 for the singer, her dress and the stage. A vertical shot from the back of the club: the crowd's heads in the bottom of the frame in silhouette, the singer small on stage in the spotlight, smoke rolling through the blue backlight. She raises one hand and the crowd cheers. Handheld, a slow drift to the left, no cuts. Sound: a full room, a cheer that swells at the raised hand, no music. No text, no logos.

Atención:Una persona fotorrealista como referencia es donde Veo dice que no. La misma imagen funcionó como fotograma inicial con una línea hablada, en el mismo nivel, minutos antes. Como referencia, fue rechazada. Di persona inventada, no una persona real, en cada prompt de Veo, espera que el proveedor sea estricto con las personas en las imágenes de referencia y ten en cuenta que un rechazo de seguridad cuesta créditos. Si necesitas llevar una persona a un nuevo plano, Hailuo 3 aceptó el mismo tipo de solicitud en la guía de MiniMax H3.

Cómo escribir para Veo

El compositor de vídeo con seis marcas numeradas: Veo 3.1 Fast en la tarjeta del modelo, Animar una imagen, el prompt con la línea entre comillas, la imagen fija de la cantante como fotograma inicial, los chips de 8s y 1080p, y el botón Generar vídeo con su precio — **La configuración para la línea hablada.** (1) Veo 3.1 Fast. (2) Animar una imagen. (3) Una línea entre comillas, luego el sonido. (4) La imagen fija de la cantante como fotograma inicial. (5) 8 segundos a 1080p. (6) El precio para esta configuración, en el botón antes de que se ejecute nada.

El mismo compositor en un móvil, desplazado hasta la imagen fija de la cantante como fotograma inicial con su botón Borrar, Imágenes de referencia, Audio activado y los chips de duración y relación de aspecto debajo — **La misma ejecución en un móvil.** (4) La imagen fija de la cantante como fotograma inicial; los chips y el botón Generar aparecen debajo.

La línea entre comillas, una vez. Pon las palabras que dice la persona entre comillas y explica cómo las dice: en voz baja, con claridad, con una sonrisa después.
El sonido después de la línea. Nombra la sala, uno o dos sonidos en ella, y di sin música si es lo que quieres.
Un movimiento de cámara. Acercamiento, deriva, plano fijo. Los clips de Veo son cortos; un segundo movimiento no encaja.
Sin acrobacias. Un salto mortal, una carrera, una caída o un vertido requieren una física que Veo no sostiene. En nuestra prueba de salto mortal hacia atrás, Veo 3.1 Fast falló los cuatro giros, mientras que Kling v3 y Seedance 2.5 lo completaron siempre. Usa Veo para una línea de diálogo y un movimiento pequeño, y consulta Hacer que las personas de IA se muevan de forma realista.
Persona inventada, no una persona real. Dilo. Veo rechaza las solicitudes que parecen referirse a una persona real.
Deja que la imagen fija mande. En Animar una imagen, no vuelvas a describir la foto; describe lo que ella hace.

Qué rechaza

Cualquier duración que no sea 4, 6 u 8 segundos. Pedimos 5 y la API respondió antes de que el modelo se ejecutara: la duración debe ser 4, 6 u 8. No se cobró nada. El compositor solo ofrece las tres opciones.
Imágenes de referencia con cualquier duración que no sea 8 segundos. Pedimos 6 con una referencia y nos dijeron que las referencias en Veo 3.1 Fast requieren 8 segundos. No se cobró nada.
Imágenes de referencia en Veo 3.1 Lite. Rechazado con un mensaje de validación que nombra la capacidad; el compositor nunca muestra el espacio en Lite.
Un fotograma inicial junto con imágenes de referencia. El proveedor devuelve una solicitud no admitida, por lo que el compositor libera el fotograma cuando añades una referencia.
Cualquier ratio excepto 16:9 y 9:16. El compositor solo ofrece esos dos para Veo.
Audio desactivado. El sonido siempre se renderiza; no hay nada que desactivar.
Una persona que no quiere renderizar. Nuestra solicitud de imagen de referencia fue rechazada por el sistema de seguridad del proveedor después de llamar al modelo, y esa solicitud se cobró y no se reembolsó. El siguiente paso muestra exactamente lo que enviamos.

Cuánto cuesta

Por clip, por nivel y por duración. Veo 3.1 cuesta igual en 720p y 1080p; Veo 3.1 Fast y Lite cuestan más en 1080p. El número exacto para tu configuración aparece en el botón Generar.

Veo 3.1Pro and up
Per 5s clip
720p 112 créditos · 1080p 112 créditos
Veo 3.1 FastPro and up
Per 5s clip
720p 28 créditos · 1080p 34 créditos
Veo 3.1 LitePro and up
Per 5s clip
720p 14 créditos · 1080p 23 créditos

Se lee en directo del catálogo al cargar esta página. Cada precio se muestra antes de generar. Ver todas las tarifas.

Qué nivel para qué trabajo

Trabajo	Nivel	Por qué
Una línea hablada para un corte que publicarás	Veo 3.1 a 1080p	El nivel superior cuesta igual en ambas calidades, así que elige 1080p
Probar la línea y el tiempo	Veo 3.1 Fast a 720p	La forma más barata de escuchar si la línea funciona
Un clip de B-roll silencioso a partir de una foto	Veo 3.1 Lite	Un fotograma inicial y sonido nativo al precio más bajo; sin referencias
Un nuevo ángulo sobre un sujeto del que tienes una foto	Veo 3.1 o Fast con referencias	Lite no acepta referencias
Una toma de 10 segundos o un clip cuadrado	No Veo	Seedance 2.5 o Hailuo 3 aceptan esas duraciones y ratios
Un salto, un baile, un vertido, un coche en movimiento	No Veo	Kling v3 o Seedance 2.5; Veo no mantiene la física

Lista de comprobación

Has elegido 16:9 o 9:16.
Has elegido 4, 6 u 8 segundos.
Un fotograma inicial o referencias, pero no ambos.
La frase entre comillas, el sonido después, sin música si es lo que quieres.
Una persona inventada, no una real, escrita en el prompt.
El precio que ves en el botón y la regla de 1080p del nivel recordada.

Preguntas y respuestas

¿Cuánto puede durar un clip de Veo 3.1?: 4, 6 u 8 segundos, en todos los niveles. Nada intermedio ni más largo; para una toma más larga usa Seedance 2.5 o Hailuo 3.
¿1080p cuesta realmente lo mismo que 720p?: En Veo 3.1, sí, el catálogo lista la misma cifra para ambos niveles. En Veo 3.1 Fast y Veo 3.1 Lite, el nivel de 1080p cuesta más. El bloque de coste de arriba muestra los números en vivo.
¿Puede hacer que una persona hable?: Sí, en los tres niveles. Pon la frase entre comillas, di cómo se dice y describe el sonido debajo. El sonido siempre se renderiza en Veo.
¿Fotograma inicial o imagen de referencia, cuál quiero?: Un fotograma inicial hace que tu foto sea el primer fotograma del clip. Una referencia permite al modelo componer un nuevo plano a partir de lo que ve en la foto. Veo acepta una u otra en una ejecución, y Lite no acepta referencias.
¿Qué plan necesito?: Pro y superior, para los tres niveles. Recargar créditos en un plan inferior no los desbloquea.
¿Qué ocurre cuando Veo rechaza una solicitud?: Una solicitud que no cumple las reglas de duración, proporción o entrada se rechaza antes de que el modelo se ejecute y no se cobra nada. Cuando el sistema de seguridad del proveedor bloquea una renderización, el trabajo indica si se te ha cobrado: si el proveedor ya había procesado y facturado la solicitud, como en nuestra ejecución de referencia, los créditos no se reembolsan; si la rechazó antes de realizar cualquier trabajo facturable, no se cobra nada.

Dale a Veo una línea que decir.

Abrir Veo 3.1

Vídeo

Convierte una foto en un vídeo, de tres formas

Anima una imagen fija en NOLGIA de tres formas: el compositor de vídeo para tener control, el agente para un proceso automático y un preset para el clip más rápido. Qué modelos aceptan una foto y cuánto cuesta cada método.

14 de octubre de 2026 · 16 min de lectura

Modelos

MiniMax H3 en NOLGIA: Hailuo 3, H3 Max y qué hace cada uno

Los modelos de vídeo de MiniMax que ofrece NOLGIA: Hailuo 3 con referencias de sujeto y líneas habladas en 2K, H3 Max con un fotograma inicial y uno final o solo texto, y el antiguo Hailuo 2.3. Renderizados reales por entrada.

24 de septiembre de 2026 · 9 min de lectura