Veo 3.1 — vídeo de IA cinematográfico, pago por clipe

O Veo 3.1 é o modelo de geração de vídeo de última geração do Google DeepMind — em meados de 2026, a versão pública mais recente, sem nenhum Veo 4 lançado. Ele transforma um prompt de texto ou uma imagem estática em um clipe de 4-to-8-second com áudio nativo sincronizado: diálogos, ruído ambiente e efeitos sonoros gerados na mesma etapa dos pixels. A família possui três níveis que compartilham o mesmo conjunto de recursos e diferem em fidelidade e preço: Veo 3.1 para renderizações finais, Veo 3.1 Fast para iteração rápida a cerca de um terço do custo, e Veo 3.1 Lite para storyboards e rascunhos a partir de $0.10. Na BananaBanana, todos os três rodam em produção sob um único saldo — você escolhe o modelo, a resolução (até 4K no Veo 3.1 e Fast), a duração e a opção de áudio, e paga um preço fixo por clipe.

Use o Veo 3.1 Lite (a partir de $0.10 sem som) para testar ideias e definir o seu prompt — ele renderiza até 1080p e custa menos de um décimo do modelo principal. Mude para o Veo 3.1 Fast (a partir de $0.35) quando o conceito funcionar e você quiser velocidade de produção; ele suporta 4K e é o principal recurso para conteúdo de redes sociais. Reserve o Veo 3.1 (a partir de $0.70) para tomadas de destaque onde a fidelidade visual é o foco — portfólios de clientes, anúncios, sequências de títulos. Todos os três aceitam os mesmos prompts, de modo que o fluxo de trabalho do barato ao caro custa uma fração do que seria refilmar em uma plataforma que só oferece o modelo principal. Um pipeline típico: três rascunhos no Lite (~$0.30), uma tomada no Fast em 1080p (~$0.35), uma renderização final de 8 segundos em 4K com áudio no Veo 3.1 ($4.40) — um clipe cinematográfico pronto por cerca de cinco dólares.