Veo

¿Qué es Veo?

Veo es el modelo de generación de vídeo de Google DeepMind. Describes un plano y él lo produce: con el movimiento de cámara que pediste, con una física que en general se porta y, sobre todo, con sonido. El diálogo, los pasos, el ambiente de la sala y la música llegan con la imagen en lugar de añadirse después.

En eso último está todo el argumento. El vídeo generado mudo es un clip; el vídeo con audio acorde es algo que puedes poner en una línea de tiempo. Veo fue el modelo que hizo evidente la diferencia, y desde entonces todos los competidores serios persiguen la misma capacidad.

Ahora importa más que hace un año, porque la alternativa más destacada ya no existe. OpenAI cerró Sora en abril de 2026, lo que deja a Veo y a un puñado de opciones sosteniendo la categoría. Conviene recordarlo al planificar un flujo de trabajo alrededor de cualquiera de ellas.

Tres formas de llegar a él

La app de Gemini

La vía más simple: describir un vídeo en el asistente que quizá ya estés pagando. La disponibilidad depende de tu nivel de suscripción de IA de Google, de la plataforma y de la región, y está restringida a personas adultas. Vale para hacer algo; no es donde harías trabajo sostenido.

Google Flow

Flow es el estudio creativo de Google construido alrededor de estos modelos, y es donde ocurre el trabajo cinematográfico de verdad: construcción de escenas, referencias, iteración, edición. Conviene saber que Veo es ahora uno de varios modelos dentro: hay un modelo de vídeo aparte para creación basada en referencias y edición conversacional, y un modelo de imagen distinto para fotogramas y retoques precisos.

Si estás produciendo y no experimentando, esta es la superficie que hay que aprender. Una herramienta de generación sin un entorno de edición alrededor produce clips que después tendrás que montar en otro sitio.

La API

Para cualquier cosa programática — una función de producto, una canalización, generación masiva — Veo está disponible por las API para desarrolladores de Google y se factura por segundo. Sin suscripción, sin puestos y sin asignación gratuita.

Cuánto cuesta

El precio de la API es por segundo de vídeo terminado, y la horquilla entre niveles es lo bastante amplia como para diseñar en función de ella.

El audio va incluido en todos los niveles en lugar de venderse aparte, que es el orden correcto y no es universal. La API no tiene plan gratuito: evaluarla cuesta dinero desde el primer clip.

Haz la cuenta antes de planificar un rodaje. Un clip de ocho segundos en calidad estándar cuesta unos tres dólares con veinte; el mismo clip en el nivel lite cuesta cuarenta céntimos. Como la mayor parte del vídeo generado se descarta, el patrón sensato es evidente: explorar en lite y renderizar el bueno en standard. Un equipo que lo ignore gastará ocho veces más de lo necesario para llegar al mismo plano.

Una política decente: solo se cobra cuando el vídeo se genera con éxito. Las generaciones fallidas no facturan.

El acceso de consumo por la app de Gemini y por Flow va con las suscripciones de IA de Google, que tienen precio por región y varían bastante entre países. Consulta el precio donde vives en vez de convertirlo desde el artículo de otro.

Cómo conseguir planos aprovechables

La diferencia entre quien obtiene material que se queda y quien obtiene un pase de diapositivas caro está casi por completo en cómo se escribe la instrucción. Veo responde al vocabulario del cine, no a los adjetivos.

Nombra el tamaño de plano y el movimiento de cámara: un plano medio que avanza despacio se comporta de forma muy distinta a «una escena cinematográfica». Describe la luz, el carácter del objetivo y la hora del día. Di qué está haciendo el sujeto y no cómo es. Y escribe el sonido de forma explícita: el ambiente, los efectos concretos que quieres, si hay música y de qué tipo. El audio también se genera a partir de la instrucción, y no mencionarlo es dejarlo al azar.

El diálogo merece cuidado aparte. Escribe la frase real entre comillas y mantenla corta, una o dos oraciones por plano. Los discursos largos son justo donde se descosen la sincronía labial y la interpretación, y ninguna cantidad de repeticiones arregla una toma que era demasiado ambiciosa desde el principio.

Por último, planifica por planos y no por escenas. Generar ocho segundos que puedes cortar es más útil, y bastante más barato, que generar treinta que tienes que aceptar enteros.

Quién le saca más partido

Cineastas y equipos de vídeo

Previsualización, planos de situación, insertos y las escenas que si no exigirían una localización y un equipo. El audio nativo permite montar y juzgar un primer corte en vez de imaginarlo, que es donde se va la mayor parte del tiempo.

Publicidad y marketing

Vídeos de concepto para una presentación, variantes para testar, cortes sociales en una docena de proporciones. La economía frente a un rodaje ni se acerca, y en la fase de concepto nadie espera un anuncio terminado.

Equipos de producto que añaden vídeo

La facturación por segundo, sin puestos ni mínimos, encaja limpiamente en una función de producto. Manda el uso casual al nivel barato y reserva el caro para el resultado que la gente vaya a conservar.

Quien se quedó sin Sora

Si tu flujo de trabajo dependía de un modelo que ya no existe, Veo es el sustituto más cercano de aquello por lo que ese modelo se admiraba originalmente: planos largos y coherentes con sonido generado. No reproducirá las funciones sociales, pero eso tampoco lo hará ningún otro.

A qué prestar atención

• La API no tiene plan gratuito. Cada experimento cuesta dinero desde el primer segundo.
• La diferencia entre el nivel más barato y el más caro es de ocho veces. Iterar en calidad estándar es la forma más habitual de fundirse el presupuesto aquí.
• El acceso de consumo varía según el nivel de suscripción, la plataforma y la región, y está restringido a adultos. Lo que puede hacer un compañero quizá no lo puedas hacer tú.
• Las generaciones anteriores de Veo están obsoletas y su apagado estaba previsto para mediados de 2026. Todo lo construido contra una versión concreta necesita un plan de migración.
• Los precios de suscripción de Gemini y Flow son regionales y difieren bastante entre países.
• El diálogo generado es la parte más floja. La sincronía labial y la interpretación aguantan en tomas cortas y se delatan en las largas.
• Veo es un modelo dentro de Flow y no el producto entero, así que las guías escritas sobre «Veo» pueden describir en realidad otro modelo del mismo estudio.
• El riesgo de que un proveedor desaparezca en esta categoría no es hipotético. Guarda tus materiales de origen y tus exportaciones.

Preguntas frecuentes

¿Veo es gratis?

Por la API no: no hay asignación gratuita y factura desde el primer segundo. El acceso por la app de Gemini y por Flow va con las suscripciones de pago de IA de Google, cuyo precio y disponibilidad dependen de tu país.

¿Genera sonido?

Sí: el diálogo, los efectos y el ambiente se producen junto con la imagen, y el audio está incluido en el precio de todos los niveles en lugar de cobrarse aparte.

¿Cuánto cuesta un clip?

Un clip de ocho segundos va de unos cuarenta céntimos en el nivel lite a 720p a unos tres dólares con veinte en calidad estándar, y más en 4K. Solo se te cobran las generaciones que salen bien.

¿Dónde se usa realmente?

En tres sitios: el asistente Gemini para generación casual, Google Flow para trabajo de producción con edición alrededor, y las API para desarrolladores de Google para todo lo programático.

¿Cuál es el mejor sustituto de Sora?

Para planos largos y coherentes con audio generado, Veo es lo más parecido a aquello por lo que se elogiaba a Sora. Runway sigue siendo más fuerte como entorno de producción completo, y los generadores más baratos van mejor para iterar en volumen.

¿Puedo usar el resultado comercialmente?

El uso comercial está permitido en general, pero las condiciones difieren entre las suscripciones de consumo y las API para desarrolladores. Lee las condiciones de la vía concreta que estés usando antes de publicar nada por lo que te paguen.

En resumen

Veo es el modelo de vídeo con sonido más potente de disponibilidad general, y Google lo ha puesto en todos los sitios donde alguien podría quererlo: en el asistente, en un estudio creativo de verdad y detrás de una API facturada por segundo. Con su competidor más famoso cerrado, es ahora la respuesta por defecto para vídeo generado con audio.

La única disciplina que importa es la elección de nivel. Explorar barato, renderizar caro y no iterar nunca al precio más alto. Hazlo así y los costes son razonables; ignóralo y una semana de experimentos costará más de lo que valía el material.