A black steam locomotive rolls into a heritage platform at dusk and slows to a stop, beginning as a distant headlight glow and ending enveloped in thick white steam. Fixed platform-level camera, warm lamp reflections sliding across wet metal. Natural sound: approaching chug, one long whistle, brake squeal, the hiss of released steam. Realistic motion, no text, no logos.
Veo 3.1 Official Image-to-Video API
google/veo3.1/image-to-videoGoogle Veo 3.1 官方旗舰图生视频端点,将静止图像赋予高保真电影级生命力。支持单图首帧动态起势与两图首尾关键帧平滑演进,同步生成原生环境与动作音效,支持最高 4K 输出与按秒计费。
请先上传首帧图片,再添加用于引导结束画面的可选尾帧。
生成的视频会显示在这里
填写提示词并添加所需素材,确认设置后点击“运行”。
示例
REST API
快速开始
完成 API 认证,提交素材与生成指令,再通过任务 ID 获取视频结果。
连接 Vidgo API
创建 API Key,仅保存在服务端,并发送 Authorization: Bearer VIDGO_API_KEY。
- 接口
- POST
https://api.vidgo.ai/api/generate/submit - 认证
- Authorization: Bearer VIDGO_API_KEY
提交一次生成任务
按请求示例填写当前端点的素材与设置,提交后保存 task_id,用于后续查询生成进度和结果。
REQUEST_BODY=$(cat <<'JSON'
{
"model": "google/veo3.1/image-to-video",
"input": {
"prompt": "A black steam locomotive rolls into a heritage platform at dusk and slows to a stop, beginning as a distant headlight glow and ending enveloped in thick white steam. Fixed platform-level camera, warm lamp reflections sliding across wet metal. Natural sound: approaching chug, one long whistle, brake squeal, the hiss of released steam. Realistic motion, no text, no logos.",
"duration": 8,
"aspect_ratio": "16:9",
"sound": true,
"resolution": "720p",
"image_urls": [
"https://cdn.vidgo.ai/apis/models/google/veo-3.1-official/image-to-video/v1/01/input-start-frame.png",
"https://cdn.vidgo.ai/apis/models/google/veo-3.1-official/image-to-video/v1/01/input-end-frame.png"
],
"generation_type": "frame"
}
}
JSON
)
RESPONSE=$(curl --silent --show-error --fail-with-body \
--request POST \
--url "https://api.vidgo.ai/api/generate/submit" \
--header "Authorization: Bearer $VIDGO_API_KEY" \
--header "Content-Type: application/json" \
--data "$REQUEST_BODY")
CODE=$(printf '%s' "$RESPONSE" | jq -r '.code // empty')
if [ "$CODE" != "0" ] && [ "$CODE" != "200" ]; then
printf 'API error: %s
' "$RESPONSE" >&2
exit 1
fi
printf '%s
' "$RESPONSE"等待结果
用 task_id 查询,not_started/running 继续,finished/failed 停止。成功后读取 data.files[].file_url。
查询状态
GET https://api.vidgo.ai/api/generate/status/{task_id}以 2 秒为基准间隔轮询状态,长时间任务可适当拉长间隔。仅在 not_started 或 running 时继续,遇到 finished 或 failed 立即停止。也可以在同一请求中配置 callback_url 接收回调通知。
not_startedrunningfinishedfailed{
"code": 200,
"data": {
"task_id": "task-unified-...",
"status": "running",
"created_time": "2026-09-17T10:00:00Z"
}
}{
"code": 200,
"data": {
"task_id": "task-unified-...",
"status": "finished",
"files": [
{
"file_url": "https://storage.vidgo.ai/generated/video.mp4",
"file_type": "video"
}
],
"created_time": "2026-08-22T10:00:00Z",
"progress": 100,
"error_message": null
}
}完整可运行示例
展开后可查看包含 HTTP 与业务码检查、task_id 校验、轮询、终态处理和超时边界的完整脚本。
set -euo pipefail
: "${VIDGO_API_KEY:?Set VIDGO_API_KEY in your environment}"
REQUEST_BODY=$(cat <<'JSON'
{
"model": "google/veo3.1/image-to-video",
"input": {
"prompt": "A black steam locomotive rolls into a heritage platform at dusk and slows to a stop, beginning as a distant headlight glow and ending enveloped in thick white steam. Fixed platform-level camera, warm lamp reflections sliding across wet metal. Natural sound: approaching chug, one long whistle, brake squeal, the hiss of released steam. Realistic motion, no text, no logos.",
"duration": 8,
"aspect_ratio": "16:9",
"sound": true,
"resolution": "720p",
"image_urls": [
"https://cdn.vidgo.ai/apis/models/google/veo-3.1-official/image-to-video/v1/01/input-start-frame.png",
"https://cdn.vidgo.ai/apis/models/google/veo-3.1-official/image-to-video/v1/01/input-end-frame.png"
],
"generation_type": "frame"
}
}
JSON
)
SUBMIT_RESPONSE=$(curl --silent --show-error --fail-with-body \
--request POST \
--url "https://api.vidgo.ai/api/generate/submit" \
--header "Authorization: Bearer $VIDGO_API_KEY" \
--header "Content-Type: application/json" \
--data "$REQUEST_BODY")
TASK_ID=$(printf '%s' "$SUBMIT_RESPONSE" | jq -r '.data.task_id // .task_id // empty')
BUSINESS_CODE=$(printf '%s' "$SUBMIT_RESPONSE" | jq -r '.code // empty')
if [ "$BUSINESS_CODE" != "0" ] && [ "$BUSINESS_CODE" != "200" ]; then
printf 'Submit failed:
%s
' "$SUBMIT_RESPONSE" >&2
exit 1
fi
if [ -z "$TASK_ID" ]; then
printf 'Submit response did not include task_id:
%s
' "$SUBMIT_RESPONSE" >&2
exit 1
fi
START_TIME=$(date +%s)
POLL_DELAY=2
while true; do
if [ $(( $(date +%s) - START_TIME )) -ge 600 ]; then
printf 'Timed out after 600 seconds
' >&2
exit 1
fi
STATUS_RESPONSE=$(curl --silent --show-error --fail-with-body \
--url "https://api.vidgo.ai/api/generate/status/$TASK_ID" \
--header "Authorization: Bearer $VIDGO_API_KEY")
STATUS=$(printf '%s' "$STATUS_RESPONSE" | jq -r '.data.status // .status // empty')
BUSINESS_CODE=$(printf '%s' "$STATUS_RESPONSE" | jq -r '.code // empty')
if [ "$BUSINESS_CODE" != "0" ] && [ "$BUSINESS_CODE" != "200" ]; then
printf 'Status request failed:
%s
' "$STATUS_RESPONSE" >&2
exit 1
fi
case "$STATUS" in
finished)
printf '%s' "$STATUS_RESPONSE" | jq -r '(.data.files // .files // [])[]?.file_url'
break
;;
failed)
printf '%s' "$STATUS_RESPONSE" | jq -r '.data.error_message // .error_message // "Generation failed"' >&2
exit 1
;;
not_started|running)
sleep "$POLL_DELAY"
if [ "$POLL_DELAY" -lt 10 ]; then POLL_DELAY=$((POLL_DELAY + 1)); fi
;;
*)
printf 'Unexpected task status: %s
' "$STATUS" >&2
exit 1
;;
esac
doneinput 参数
下表列出 input 对象的可用参数、类型与默认值;请求示例同时展示顶层必填字段 model。按当前任务准备素材并配置输出。
| 字段 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| prompt | string | 是 | — | 去除首尾空格后为 1–1,000 个字符。 |
| image_urls | array | 是 | — | 1 或 2 个公开图片 URL。传入两张图时会同时发送 generation_type 为 frame。 |
| generation_type | string | 否 | 双图时为 frame | 可省略。单图省略时不发送该字段;双图省略时默认 frame。显式传 frame 必须提供两张图片。 |
| duration | integer | 否 | 8 | 4、6 或 8,单位为秒。 |
| aspect_ratio | string | 否 | 16:9 | auto、16:9 或 9:16。 |
| resolution | string | 否 | 720p | 720p / 1080p / 4k。 |
| sound | boolean | 否 | true | true 生成原生音频;false 返回静音片段。 |
响应字段
提交成功后返回任务 ID;状态查询提供任务进度、输出文件,以及任务失败时的错误详情。
| 字段 | 类型 | 说明 |
|---|---|---|
| code | integer | 业务结果码;成功响应使用 0 或 200。 |
| message | string | 可读说明或错误详情。 |
| data.task_id | string | 用于状态查询路径的任务 ID。 |
| data.status | string | not_started、running、finished 或 failed。 |
| data.created_time | string | 任务创建时间,date-time 格式。 |
| data.progress | integer | 任务进度,范围为 0–100;仅在响应包含此字段时提供。 |
| data.files[] | array | 成功任务的全部输出文件,按响应顺序返回。 |
| data.files[].file_url | string | 生成视频的公开 URL。 |
| data.files[].file_type | string | 文件类型,例如 video。 |
| data.error_message | string | null | 状态为 failed 时的失败详情。 |
任务生命周期
在 not_started 或 running 状态下继续查询;收到 finished 或 failed 后结束轮询,并分别处理输出文件或错误详情。
not_started任务已接受,等待开始。
running正在生成。继续使用同一 task_id 轮询。
finished生成成功。从 data.files[].file_url 读取视频地址。
failed生成失败。读取 data.error_message 并停止轮询。
轮询与错误
- 认证收到 401 时,检查 Authorization 中的 Bearer API Key,更新凭据后重试。
- 校验收到 400 时,依据响应说明核对必填素材、参数取值与可用积分,完成相应调整后重新提交。
- 网络与超时状态查询遇到网络错误或超时时,保留原 task_id 并重试查询,再根据返回的任务状态处理结果。
- 轮询间隔以 2 秒为基准间隔发起状态查询;如任务耗时较长,可逐步增加查询间隔。
- 终态仅在 not_started 或 running 时继续。遇到 finished 或 failed 立即停止。
- 回调选项可在请求顶层提供 callback_url 接收终态任务对象;投递失败时仍可轮询。
模型规格
| 规格 | 取值 | 说明 |
|---|---|---|
| 输入模式 | 图片 + 文本 | 必须提供首帧图片;可选尾帧用于首尾帧控制。 |
| 输出 | 可选原生音频的视频 | 提交后返回异步任务 ID;完成后包含视频文件。 |
| 分辨率 | 720p / 1080p / 4k | 默认 720p。 |
| 时长 | 4 / 6 / 8 秒 | 默认 8 秒。 |
| 画面比例 | auto / 16:9 / 9:16 | 默认 16:9。 |
| 计费依据 | 按秒计费 | 720p 无音频 24 积分/秒; 带音频 48 积分/秒. 1080p 无音频 24 积分/秒; 带音频 48 积分/秒. 4k 无音频 48 积分/秒; 带音频 72 积分/秒. |
Veo 3.1 Official Image-to-Video
Google Veo 3.1 官方旗舰图生视频端点,将静止图像赋予高保真电影级生命力。支持单图首帧动态起势与两图首尾关键帧平滑演进,同步生成原生环境与动作音效,支持最高 4K 输出与按秒计费。
为什么选择此端点?
官方 Google 模型系列使用包含 Lite、Fast 和 Quality 变体的官方 Veo 3.1 系列,无需为每种工作流单独对接。
透明的按秒计价提交前用时长乘以所选模型、分辨率和音频费率,即可预估每笔任务费用。
音频成本控制按请求开关原生音频,让预览更便宜,成片再加入更丰富的声音。
实用的图片控制用一张图做图生视频,或用两张图做首尾帧控制,都走同一套精简 API 结构。
4K 升级路径先用较低成本完成草稿,确认高分辨率值得额外积分后再升级到 Fast 或 Quality 的 4K 任务。
便于接入的异步 API一次提交即可获得任务 ID,再通过轮询或回调在生产系统中收取结果。
参数
| 参数 | 要求 | 说明 |
|---|---|---|
| prompt | 必填 | 字符串。描述场景、动作、运镜、光线和声音;去除首尾空格后为 1–1,000 个字符。 |
| image_urls | 必填 | 包含 1–2 个公开 URL 的字符串数组。第一张是首帧,可选第二张是尾帧,传入两张图时会发送 generation_type 为 frame。JPEG、PNG 或 WebP,每张最大 10 MB。 |
| generation_type | 可选 | 可省略。单图省略时不发送该字段;双图省略时默认 frame。显式传 frame 必须提供两张图片。 |
| duration | 可选 | 整数。设置输出时长;体验区默认预选 8 秒。 默认 846 |
| aspect_ratio | 可选 | 字符串。控制画面比例;体验区默认预选 16:9。图生视频还可使用 auto。 默认 16:9auto9:16 |
| resolution | 可选 | 字符串。设置输出分辨率;体验区默认预选 720p。 默认 720p1080p4k |
| sound | 可选 | 布尔值。是否生成原生音频;体验区默认预选 true。 默认 truefalse |
如何使用
上传首帧图片选择主体清晰、构图明确的 JPEG、PNG 或 WebP 图片作为首帧,单张最大 10 MB。
添加可选尾帧如需引导结束姿态或构图,在首帧之后添加尾帧。传入两张图时会发送 generation_type 为 frame。
描述动作与声音在首帧之后描述主体动作、运镜、光线和声音;如提供尾帧,说明镜头如何过渡到结束画面。
设置时长、画面比例、分辨率和音频选择 4、6 或 8 秒,16:9 或 9:16 画幅、当前端点支持的分辨率,以及是否包含原生音频。
确认费用并运行查看运行按钮显示的当前按秒费用,完成必填提示词和素材上传后点击“运行”。
预览并下载视频任务完成后,在输出面板预览视频,再点击“下载视频”保存结果。
价格
Veo 3.1 Official 按生成秒数计费。最终费用 = 时长 × 所选每秒费率。美元换算采用当前基础 API 计费:2,000 积分 = $10。示例:Quality 8 秒 720p 带音频任务为 8 × 48 = 384 积分,按基础 API 积分汇率约 $1.92。
| 用量 | 费率 | 说明 |
|---|---|---|
| 720p,无音频 | 24 积分/秒($0.12/秒) | 8 秒 = 192 积分($0.96)。 |
| 720p,带音频 | 48 积分/秒($0.24/秒) | 默认 720p / 8 秒带音频为 384 积分($1.92)。 |
| 1080p,无音频 | 24 积分/秒($0.12/秒) | 8 秒 = 192 积分($0.96)。 |
| 1080p,带音频 | 48 积分/秒($0.24/秒) | 8 秒 = 384 积分($1.92)。 |
| 4k,无音频 | 48 积分/秒($0.24/秒) | 8 秒 = 384 积分($1.92)。 |
| 4k,带音频 | 72 积分/秒($0.36/秒) | 8 秒 = 576 积分($2.88)。 |
适用场景
AI 视频应用通过同一套异步 API,为需要文本、图片、首尾帧、音频和支持分辨率控制的应用接入官方 Google Veo 3.1。
营销团队生成广告概念、产品镜头、发布短片和活动变体,并按预算与评审阶段选择 Lite、Fast 或 Quality。
电商与产品演示把产品图片和简短提示词转化为可选音频的短视频,并按橱窗或社交预览需要选择更高分辨率输出。
创作者平台为创作者提供带清晰计价、原生音频、横竖画幅和简单异步结果处理的 Google 视频能力。
专业建议
- 提交前用时长乘以所选分辨率和音频费率,即可预估每笔任务费用。
- 按请求开关原生音频,让预览更便宜,成片再加入更丰富的声音。
- 提示词控制在 1,000 个字符以内,并将运镜与主体动作分开描述。
- 低成本迭代用 Lite,均衡量产用 Fast,当画质比最低成本更重要时用 Quality。
使用说明
- Veo 3.1 Official Image-to-Video 使用必填文本提示词生成视频,并可通过时长、分辨率、画面比例和音频设置配置输出。
- 提示词上限为 1,000 个字符。时长支持 4、6 或 8 秒。
- 通过 sound 参数请求带音频或静音输出。带音频与无音频任务使用不同的按秒费率。
- Fast 和 Quality Official 支持 720p、1080p 和 4K。
- 图生视频可传入一张首帧,或两张图做首尾帧控制。
- 通过 API 提交后保存 task_id,用于查询任务进度和获取生成结果。
相关模型
Veo 3.1 Official Image-to-Video API 常见问题
Veo 3.1 Official Image-to-Video API 是什么?
Veo 3.1 Official Image-to-Video 让开发者通过 Vidgo API 调用官方 Google Veo 3.1 模型系列。本页是 Veo 3.1 Official 的图生视频端点。
应该使用哪个 model ID?
在 model 字段使用 google/veo3.1/image-to-video。不要提交包含 -official 的页面路径。
Veo 3.1 Official 支持音频吗?
支持。通过 sound 参数请求带音频或静音输出。带音频与无音频任务使用不同的按秒费率。
支持哪些图片输入模式?
一张图走图生视频;两张图走首尾帧模式,并发送 generation_type 为 frame。
接入前需要了解哪些限制?
提示词上限为 1000 个字符。时长支持 4、6 或 8 秒。Fast 和 Quality Official 支持 720p、1080p 和 4K。
异步交付如何工作?
向 generate 接口提交任务并获得 task_id。后端可用 task_id 轮询状态,或在请求中带上 callback_url 异步接收结果。
什么时候该选 Lite、Fast 或 Quality?
需要低成本迭代时选 Lite,需要均衡产能和 4K 时选 Fast,需要最高画质或旗舰 4K 结果时选 Quality。
什么情况下不适合选择 Veo 3.1 Official?
如果单次请求需要超过 8 秒,或需要三图参考工作流,则不太适合。