Veo ist die Videomodellreihe von Google. Ihr Kennzeichen ist die gemeinsame Erzeugung von Bild und Ton: Dialog, Umgebungsgeräusche und Musik entstehen im selben Vorgang wie die Bildfolge.
Zusammenfassung
Bis 2025 erzeugten Videomodelle stumme Bildfolgen; Ton kam nachträglich hinzu. Veo hob diese Trennung auf.
Der Unterschied ist größer, als er klingt. Lippenbewegung und gesprochenes Wort passen nur zusammen, wenn beide aus derselben Vorstellung stammen. Ein nachträglich unterlegter Ton bleibt an dieser Stelle erkennbar falsch.
Die Fassung Veo 3.1 erzeugt Clips von bis zu 60 Sekunden, auch im Hochformat 9:16 – dem Format der Kurzvideoplattformen.
Begriffsgeschichte
Veo 3 und die Tonspur
Mit der dritten Generation führte Google die gleichzeitige Erzeugung von Bild und Ton ein: synchronisierter Dialog, Umgebungsgeräusche und Musik.
Veo 3.1
Die Fortschreibung erweiterte die Clip-Länge auf 60 Sekunden und ergänzte das Hochformat.
Einordnung
Veo gehört zur Gemini-Familie und teilt deren Verteilungsvorteil: Das Modell erreicht Nutzer über Anwendungen, die ohnehin benutzt werden, statt über einen eigenen Dienst.
Der Wettbewerb im Feld hat sich 2026 verschärft. Nach der Einstellung von Sora durch OpenAI im April 2026 stehen sich vor allem Google, die chinesischen Anbieter und die spezialisierten Werkzeughäuser gegenüber.
Kontroversen und Kritik
Kennzeichnung wird schwieriger. Ein Modell, das lippensynchronen Dialog erzeugt, verschiebt die Schwelle für täuschend echte Aufnahmen erheblich. Die Kennzeichnungspflicht der KI-Verordnung trifft damit auf Inhalte, bei denen die Unterscheidung mit bloßem Auge nicht mehr gelingt.
Trainingsmaterial. Zur Herkunft des Videomaterials macht Google keine überprüfbaren Angaben. Bei Bewegtbild wiegt die Frage schwerer als bei Standbildern, weil Filmmaterial regelmäßig mehrfach rechtlich gebunden ist.
Versionsüberblick
| Version | Datum | Wichtigste Änderung |
|---|---|---|
| Veo 3 | 2025 | gleichzeitige Erzeugung von Bild und Ton |
| Veo 3.1 | 2026 | 60 Sekunden Clip-Länge, Hochformat 9:16 |
Stand September 2026
Veo 3.1 gehört zur Spitzengruppe der Videomodelle. Der Vorsprung bei der Tonerzeugung ist inzwischen kleiner geworden – mehrere Wettbewerber haben nachgezogen.
Verwandte Begriffe
- Gemini – die Modellfamilie, zu der Veo gehört
- Sora – der eingestellte Wettbewerber von OpenAI
- Deep Fake – die Frage, die lippensynchrone Erzeugung aufwirft
Quellenangaben
- Rangy, 2026. AI Video Generators Compared 2026 — Veo, Kling, Runway, Luma, Pika. rangy.ai/blog, 2026.
- Tech Insider, 2026. Best AI Video Generator 2026: Veo 3.1 vs Sora 2 vs Kling. tech-insider.org, 2026.