Google Veo 3.1 pilote une scène avec trois images

Google présente Veo 3.1 dans un guide publié par Replicate le 16 octobre 2025. Le modèle ajoute plusieurs fonctions de génération vidéo. Il accepte jusqu’à trois images de référence dans une même scène. Il peut aussi recevoir une première image et une dernière image. Le texte décrit alors les mouvements ou la transformation attendue. Replicate présente ces outils comme des moyens de mieux contrôler les éléments visuels. Le modèle prend également en charge la génération vidéo à partir d’une seule image. Cette fonction classique bénéficie d’une qualité améliorée et d’un meilleur suivi des consignes. Le guide complet est disponible sur Replicate.**

Les consignes structurent les plans selon plusieurs paramètres visuels. Replicate recommande de préciser le cadrage et le nombre de sujets. Les termes « single shot », « two shot » et « over-the-shoulder shot » indiquent la composition souhaitée. Le texte peut aussi définir la profondeur de champ ou l’effet d’objectif. « Shallow focus », « deep focus », « macro lens » et « wide-angle lens » font partie des exemples proposés. Le style peut s’appuyer sur des catégories comme la science-fiction, la comédie romantique ou l’animation. La position et le mouvement de la caméra complètent la description. Le guide cite notamment le niveau des yeux, la plongée, le travelling et le panoramique.

Veo 3.1 combine trois images

Les références préservent les éléments d’une scène vidéo guidée par un texte. Veo 3.1 peut associer l’image d’un personnage, celle d’un produit et celle d’un environnement. Replicate illustre ce fonctionnement avec une femme et une bouteille de shampoing. Le résultat présenté conserve le personnage et la bouteille dans une vidéo de type avis utilisateur. La fonction peut également maintenir l’apparence et l’identité d’un personnage dans différents décors. Un exemple publié par fofr montre un personnage d’animation placé dans une scène en prise de vue réelle. Le guide relie cette capacité à des récits comportant plusieurs scènes et des éléments visuels précis. La limite annoncée est de trois images d’entrée.

Les images encadrent la transformation avec une première et une dernière frame. Le modèle génère l’interpolation entre ces deux points selon les indications du texte. Replicate montre une transformation allant d’un agneau à un tigre. Un autre exemple présente la transformation progressive d’une pièce. Cette fonction donne un point de départ et un point d’arrivée précis à la séquence. Elle s’appuie donc sur deux images plutôt que sur une seule image initiale. Le modèle peut aussi générer une vidéo depuis une image de départ unique. Replicate indique que cette fonction améliorée suit mieux les invites et produit une qualité supérieure. Une image représentant le siège de Replicate sert notamment de point de départ à une séquence contextuelle.

Replicate expose Veo 3.1

Les versions rapides réduisent le délai pour les points d’accès concernés. Replicate indique une génération en moins de 60 secondes, contre environ 90 secondes pour la version standard. Le prix est approximativement divisé par deux. La qualité est légèrement réduite, tout en restant présentée comme élevée. Cette option rapide est disponible sur tous les points d’accès, sauf la fonction de référence vers vidéo. L’API Replicate permet d’appeler google/veo-3.1 avec JavaScript. Les exemples utilisent une durée de huit secondes et une résolution de 1080p. La réponse de l’API renvoie une adresse vidéo réutilisable dans une application. Replicate propose aussi une version nommée Veo 3.1 Fast.