- Veo 3 Fast und Bild-zu-Video in der API
Update vom 31. Juli 2025:
Google bringt die "Fast"-Version von Veo 3 in die API. Laut Google ist Veo 3 Fast eine Version, die speziell auf Geschwindigkeit und Kosteneffizienz optimiert wurde. Sie richtet sich an Entwickler, die schnell iterieren oder Inhalte in großem Umfang erzeugen müssen – etwa in der programmatischen Werbung oder bei schnellen A/B-Tests. Dabei wird weiterhin eine "hohe Qualität" versprochen.
Beide Modelle unterstützen dieselben Eingabeformate (Text und Bild), erzeugen Videos mit 720p bei 24 fps, und liefern standardmäßig acht Sekunden lange Clips mit einem Video pro Anfrage. Sie teilen sich auch dieselben technischen Parameter wie maximal 1.024 Tokens pro Texteingabe und native Audiogenerierung.
Das Standard-Veo 3 ist wohl auf maximale Bildqualität ausgelegt und deutlich teurer. Veo 3 Fast kostet 0,40 US-Dollar pro Sekunde Videoausgabe mit Ton. Veo 3 kostet 0,75 US-Dollar pro Sekunde und ist somit 87,5 Prozent teurer.
Ein typischer Acht-Sekunden-Clip kostet mit Veo 3 Fast 3,20 US-Dollar, bei Veo 3 werden 6 US-Dollar fällig. Für einen fünfminütigen Clip summieren sich die Kosten auf 120 US-Dollar bei Veo 3 Fast und 225 US-Dollar bei Veo 3. Wo genau die qualitativen Unterschiede zwischen den Modellen liegen, geht aus Googles Beschreibung nicht hervor.
Bild wird zu Video
Die neue Bild-zu-Video-Funktion steht sowohl in Veo 3 als auch in Veo 3 Fast zur Verfügung. Nutzer können ein einzelnes Bild mit einem Textprompt kombinieren, um daraus dynamische Videos mit Ton zu erzeugen. Die Funktion soll helfen, stilistische Konsistenz zu wahren. Laut Google lassen sich Bewegung, Erzählstruktur und Audio so besser über den Prompt steuern.
Die Integration erfolgt über dieselbe Gemini-API wie bei den bestehenden Funktionen. Laut Google werden Videos, die aus Bildern erzeugt werden, zum selben Preis abgerechnet wie Text-zu-Video-Ausgaben des jeweiligen Modells.
Die neuen Funktionen stehen ab sofort in einer kostenpflichtigen Vorschau über die Gemini-API zur Verfügung. Entwickler können die API-Dokumentation und das Veo Cookbook nutzen, um eigene Anwendungen zu erstellen.
Artikel vom 17. Juli 2025:
Googles Video-KI Veo 3 ist jetzt über die Gemini-API verfügbar – und der Preis hat es in sich
Veo 3, Googles KI-Modell zur Videogenerierung mit Audioausgabe, ist ab sofort über die Gemini-API verfügbar.
Das multimodale Modell kann aus Texteingaben hochauflösende Videos mit synchronisierter Tonspur erzeugen. Es ist das erste Videomodell des Unternehmens, das Bild und Ton simultan erzeugt – einschließlich Dialogen, Musik und Soundeffekten.
Die neue API-Integration richtet sich insbesondere an Entwickler, die das Modell in eigene Anwendungen einbinden oder produktionsnahe Prototypen erstellen möchten. Die API unterstützt zunächst nur Text-zu-Video. Die kürzlich für die Gemini-App ausgerollte Bild-zu-Video-Funktion soll demnächst folgen.
Das Google AI Studio bietet eine SDK-Vorlage und eine interaktive Starter-App, um Veo 3 schnell und prototypisch in Projekte zu integrieren. Entwickler benötigen dafür ein aktiviertes Google Cloud-Projekt mit Abrechnung.
Veo 3 war bereits zuvor über Produkte wie die Gemini App, Flow und Vertex AI nutzbar und wurde laut Google dort millionenfach genutzt.
Google nimmt 0,75 US-Dollar pro Sekunde
Der Zugriff auf Veo 3 über die Gemini API erfolgt im kostenpflichtigen "Paid Tier" von Google Cloud. Der Preis liegt bei 0,75 US-Dollar pro Sekunde für Video- und Audioausgabe in 720p 24fps mit 16:9-Format - das ist 25 Cent teurer als Veo 2 ohne Sound. Die schnellere und günstigere Variante "Veo 3 Fast" aus dem Gemini-Chat ist angekündigt, aber bisher nicht in der API verfügbar.
Der typische Acht-Sekunden-Clip liegt demnach bei sechs US-Dollar, ein Fünf-Minuten-Clip kostet 225 US-Dollar. Zu diesem Preis muss man jedoch berücksichtigen, dass mit dem Videomodell schnell viel Ausschuss generiert wird, bis man ein passendes Video erhält.
Kalkuliert man mit einem zehnfachen Ausschuss, muss man für fünf Minuten gutes Material womöglich 50 Minuten generieren. Das würde Kosten von etwa 2250 US-Dollar verursachen. Dennoch könnte die Generierung in einigen Fällen günstiger sein als klassische Videoproduktion – so dürfte auch Google kalkulieren.
Google zeigt Praxisbeispiele
Das Unternehmen Cartwheel nutzt Veo 3, um aus 2D-Videos realistische 3D-Charakteranimationen zu erzeugen. Die mithilfe von Veo generierten Bewegungen werden auf geriggte Modelle übertragen und für Kundenprojekte genutzt.
Das Spielestudio Volley verwendet Veo 3 zur Erstellung von Cutscenes für ein Rollenspiel mit dem Titel "Wit's End". Durch Veo sollen Entwickler visuelle Storyelemente schneller umsetzen und iterieren.
