هل يستطيع Veo 3.1 أن يجعل الناس يتكلمون أو يغنّون؟

نعم. يصنع Veo 3.1 الأصوات مع الصورة: غناء، وجملة قصيرة، وهتاف. اكتبوا من يتكلم وضعوا الكلمات بين علامتي تنصيص، جملة واحدة على الأكثر، لأن أطول مقطع 8 ثوانٍ. مقطع الشموع في هذه الصفحة ينتهي بالعائلة تغني Happy Birthday وتهتف، وكل ذلك من عملية توليد واحدة.

هل ستشبه الأصوات في مقطع Veo 3.1 أصوات عائلتي؟

لا. يخترع Veo 3.1 الأصوات، فهو لم يسمع عائلتكم قط. إن كان يجب أن تُقال الكلمات بصوت معيّن، فاصنعوا بطاقة ناطقة: يقول الشخص في الصورة نصكم بصوت تختارونه من كتالوجنا، حتى 15 ثانية. ولتهنئة مغنّاة بمقاطع ولازمة، اصنعوا أغنية بـ Lyria.

لماذا لا يختار «تلقائي» Veo 3.1؟

لأن معظم التهاني لا تحتاج إليه. يختار «تلقائي» MiniMax H3، وثانيته أرخص بكثير، والصوت فيه دائمًا، وقد حرّك كل مشاهد الفيديو في كتالوجنا. أما Veo 3.1 فاختاروه بأنفسكم حين يقوم المقطع على الأصوات أو الوجوه القريبة أو الإضاءة الصعبة: افتحوا «النموذج» في الوضع القياسي واختاروه.

هل أصنع مقطع Veo 3.1 بدقة 720p أم 1080p؟

بدقة 1080p. في Veo 3.1 الكامل يتساوى الحجمان في سعر الثانية بأسعار اليوم، فتحصلون على الإطار الأكبر بلا كلفة إضافية، والأمر نفسه في Veo 3.1 Fast. وحده Veo 3.1 Lite يأخذ أكثر مقابل 1080p، وهناك تكون 720p توفيرًا معقولًا للمسودة.

فيديو

جوقة وشموع وهتاف في مقطع واحد من Veo 3.1

Veo 3.1 هو النموذج الكامل في سلسلة Veo من Google، وأعلى إصدارات Veo الثلاثة في قائمتنا. يحوّل صورة أحبائكم إلى مقطع من 4 أو 6 أو 8 ثوانٍ، ويصنع الصوت في المرة نفسها ومعه الأصوات البشرية: عائلة تختم أغنية عيد الميلاد، ونخب قصير، وغرفة تصفق. أما Veo 3.1 Fast وLite فيأخذان الإعدادات نفسها بسعر أقل للثانية، ويكفيان لكثير من المقاطع.

من تطوير Google
ابتداءً من 150 رصيد
من 4 إلى 8 ثانية
مع الصوت أو بدونه

اصنعوه بـ Veo 3.1 شاهد الأمثلة

آخر تحديث 29.09.2026

مقطعان على Veo 3.1 الكامل وواحد على Fast

أمي تطفئ الشموعVeo 3.1 · 6 s · 1080p · sound

الوصف

The family gathered around the birthday cake softly sings the last line of Happy Birthday, then Mum leans in and blows out the candles, everyone cheers and claps, candle smoke curls up, warm cosy kitchen light, slow cinematic push-in

نخب الزفاف على شاطئ البحرVeo 3.1 · 4 s · 1080p · sound

الوصف

The newlyweds on the seaside terrace clink their glasses and share a quiet laugh, the guests behind them cheer, sea waves roll in at sunset, a gentle breeze lifts the bride's veil, cinematic slow dolly, sounds of waves, glasses and cheering

نخب على السطح عند الغروبVeo 3.1 Fast · 6 s · 720p · sound

الوصف

Friends on the rooftop raise their glasses in a toast as the city lights come on at dusk, one says cheers and they all laugh, string lights sway, smooth slow orbit camera, sounds of the city and clinking glasses

Veo 3.1 أم Fast أم Lite: أين يذهب الرصيد الإضافي

على الورق، الثلاثة أداة واحدة. المدد نفسها 4 أو 6 أو 8 ثوانٍ، والحجمان نفسهما، ومفتاح الصوت نفسه، وإطار عريض أو طولي. Fast هو الإصدار الأسرع والأرخص، وLite هو الاقتصادي. أما Veo 3.1 الكامل فثانيته الأغلى، ويحمل وسم «جودة سينمائية».

قاعدتنا لدفع الفرق: وجوه قريبة، وإضاءة صعبة، ومقطع سيُشاهد على شاشة كبيرة أو مرات كثيرة. الشموع في المطبخ المعتم ونخب الزفاف مقابل الشمس الغاربة صُنعا كلاهما على النموذج الكامل بدقة 1080p.

أما نخب السطح فصُنع على Fast بدقة 720p، ويبدو جيدًا على الهاتف: ثلاثة أصدقاء، وكؤوس تتلاقى أكثر من مرة، ومدينة تكتسي بالذهب خلفهم. الإطار واسع، والضوء ناعم، والجمهور مجموعة على الهاتف. وLite هو بروفتنا: جرّبوا الوصف عليه لتتأكدوا من التوقيت، ثم اصنعوا النسخة النهائية على النموذج الكامل. ونقطة أخرى لصالحه: دقة 1080p في Veo 3.1 الكامل لا تكلف اليوم في الثانية أكثر من 720p، فلا داعي لتصغير الإطار.

كيف تكتبون الأصوات لـ Veo 3.1

يستطيع Veo 3.1 أن يجعل من في المقطع يغنّون ويتكلمون، ويتبع التعليمات البسيطة. اكتبوا من يُصدر الصوت ومتى: «العائلة تغني بهدوء السطر الأخير من الأغنية، ثم تنحني الأم وتطفئ الشموع، ويهتف الجميع». هذا قريب من الوصف تحت مقطع الشموع، والمقطع ينفذه بهذا الترتيب تمامًا.

ضعوا الكلمات المنطوقة بين علامتي تنصيص، جملة قصيرة واحدة لكل مقطع. ثماني ثوانٍ هي الحد الأقصى، والجملة التي تستغرق خمسًا منها لا تترك مكانًا لرد الفعل. سمّوا المتكلم، «يلتفت الأب إلى الكاميرا ويقول»، ليعرف Veo لمن هذه الجملة.

هناك حدّان يجدر معرفتهما قبل الدفع. الأصوات من اختراع Veo نفسه: لم يسمع الجدة قط، فلن يكون صوتها في المقطع صوتها الحقيقي. أمثلتنا بالإنجليزية؛ وإن كانت جملتكم بالعربية أو العبرية أو الروسية فاجعلوها كلمات قليلة وشاهدوا النتيجة قبل الإرسال. وحين يجب أن يُسمع نصكم أنتم بصوت اخترتموه، فانتقلوا إلى البطاقة الناطقة التي تقرؤه بأصوات ElevenLabs. أما أغنية كاملة بمقاطع ولازمة فهي مهمة Lyria.

ثانية بثانية: المقاطع الثلاثة أعلاه

مقطع الشموع مدته 6 ثوانٍ. في الثانيتين الأوليين تضحك الأم وكفّاها على وجهها بينما تنتهي الأغنية. وبعد ثانيتين ونصف تقريبًا تنحني وتنفخ. ومع الثانية الرابعة يتصاعد الدخان في ضوء المصباح، وآخر ثانيتين تصفيق وابتسامات. نفخة واحدة وهتاف واحد، مع ثانية فراغ من كل جانب.

مقطع الزفاف مدته 4 ثوانٍ، ولا يمنح النخب إلا الثانية والنصف الأولى. بعدها تنخفض الكؤوس وينظر الجميع بعضهم إلى بعض، والأمواج تتدحرج خلفهم. كفت أربع ثوانٍ، وهي أرخص مدة ممكنة.

ونخب السطح على Fast مدته 6 ثوانٍ: رنين، ثم ضحك، ثم رنين آخر، والشمس تغيب خلف الأبراج. عدّوا إيقاعات لحظتكم بهذه الطريقة قبل أن تختاروا المدة، ونادرًا ما ستدفعون ثمن ثوانٍ لم يحتجها أحد.

لماذا يوجد Veo 3.1 الكامل

الناس يغنّون ويقولون جملة

يضيف Veo 3.1 الأصوات البشرية إلى المقطع مع الصورة. في مقطع الشموع أعلاه تختم العائلة أغنية Happy Birthday، فتضحك الأم وتنفخ، ويصفق المطبخ كله. وتنجح أيضًا جملة قصيرة بين علامتي تنصيص: «مفاجأة»، «بصحتك»، «كل عام وأنتِ بخير يا أمي».

إضاءة صعبة ووجوه قريبة

شموع في مطبخ معتم، وشمس منخفضة خلف العروس مباشرة: هذا هو الضوء الذي نعهد به إلى النموذج الكامل، ووسمه في قائمتنا «جودة سينمائية». والمقطعان أعلاه اللذان تقترب فيهما الوجوه ويصعب فيهما الضوء صُنعا به بدقة 1080p.

الصوت يقع على الحركة

تخرج الصورة والصوت من عملية توليد واحدة، فيتطابقان. يرتفع الدخان بعد النفخة، ويبدأ التصفيق حين تلتقي الكفّان، ويُسمع الرنين لحظة تتلامس الكؤوس. لا شيء تحتاجون إلى ضبطه لاحقًا، ولا لحن جاهز ملصق تحت اللحظة.

أربع ثوانٍ تكفي غالبًا

ثانية النموذج الكامل أغلى من أي نموذج فيديو آخر في قائمتنا، فاقتصدوا في الثواني. مقطع الزفاف على البحر أعلاه مدته 4 ثوانٍ: تتلاقى الكؤوس في الثانية والنصف الأولى، ثم يبتسم الجميع فقط ويتكفل البحر بالباقي.

أوصاف لـ Veo 3.1 فيها أصوات

الأب عند الشواية في الحديقة يلتفت إلى الكاميرا رافعًا الملقط ويقول «كل عام وأنتِ بخير يا ليلى، العشاء عليّ»، والأطفال خلفه يهتفون، والدخان ينساب في شمس المساء، أصوات أزيز الشواء والعصافير والضحك

جملة واحدة ورد فعل واحد، لست ثوانٍ. تسمية المتكلم ووضع كلماته بين علامتي تنصيص يخبران Veo 3.1 لمن هذه الجملة. وسيكون الصوت من اختراعه، لا صوت الأب.

استخدم هذا الوصف

ثلاثة أحفاد متلاصقون على أريكة يغنّون آخر «سنة حلوة يا جميل» بنشاز فظيع، والأصغر يحاول نغمة عالية فينهار الجميع من الضحك، ضوء مصباح أرضي، كاميرا محمولة باليد، أصوات غناء وقهقهة

الغناء أنجح كخاتمة قصيرة لا كأغنية كاملة. ست أو ثماني ثوانٍ تترك مكانًا للانهيار ضحكًا، وهو الجزء الذي يعيد الجميع مشاهدته.

استخدم هذا الوصف

كأسان تتلاقيان فوق طاولة عليها شموع في شرفة تطل على الميناء، والزوجان يتبادلان الابتسام، وأضواء القوارب تتمايل على الماء في الأسفل، والكاميرا تتقدم ببطء، أصوات تلاطم الماء وبوق سفينة بعيد ورنين الكأسين

بلا كلمات إطلاقًا، لأربع ثوانٍ. يقع الرنين على لحظة التلامس لأن Veo 3.1 يصنع الصورة والصوت معًا، وأربع ثوانٍ هي أرخص مقطع يمكن صنعه بـ Veo 3.1.

استخدم هذا الوصف

إعداد مقطع Veo 3.1

1
أرفقوا الإطار الأول
اضغطوا الزر في هذه الصفحة، أو انقلوا صندوق الكتابة إلى الوضع القياسي واختاروا «فيديو». أرفقوا صورة واحدة: صورة لأحبائكم أو بطاقة صنعتموها هنا تجمعهم كلهم، بصيغة JPG أو PNG أو WebP حتى 10 ميغابايت.
2
اختاروا Veo 3.1، لا Fast ولا Lite ولا «تلقائي»
افتحوا «النموذج» واختاروا Veo 3.1 نفسه، فـ«تلقائي» سيعطيكم MiniMax H3. اضبطوا 4 أو 6 أو 8 ثوانٍ ودقة 1080p، وهي في النموذج الكامل بسعر 720p نفسه للثانية اليوم. وأبقوا الصوت إن كان أحد سيغني أو يتكلم.
3
الحركة أولًا، ثم الصوت، ثم الكلمات
صفوا ما يتحرك، ثم ما نسمعه، ثم الجملة المنطوقة بين علامتي تنصيص إن وُجدت. السعر ظاهر على الزر قبل الضغط، وإذا فشل المقطع يعود الرصيد. أرسلوا النتيجة بالبريد الإلكتروني أو SMS أو أحد تطبيقات المراسلة الشائعة، فورًا أو في اليوم المنتظر.

اصنعوه بـ Veo 3.1

Veo 3.1 إلى جانب Fast وLite بأسعار اليوم

للصفوف الثلاثة الإعدادات نفسها، لذلك يحسم عمود السعر: Veo 3.1 الكامل للوجوه القريبة والإضاءة الصعبة، وFast لمجموعة الأصدقاء، وLite للبروفة. ولأكثر من 8 ثوانٍ أو لإطار مربع، افتحوا Kling 3.0.

النموذج	نقطة القوة	المدة	الدقة	الصوت	السعر
Veo 3.1Google	Cinema quality	4, 6, 8 ث	720p, 1080p	مع الصوت أو بدونه	ابتداءً من 1٬000 رصيد · 500 رصيد للثانية
Veo 3.1 FastGoogle	Fast	4, 6, 8 ث	720p, 1080p	مع الصوت أو بدونه	ابتداءً من 500 رصيد · 188 رصيد للثانية
Veo 3.1 LiteGoogle	Budget	4, 6, 8 ث	720p, 1080p	مع الصوت أو بدونه	ابتداءً من 150 رصيد · 63 رصيد للثانية

الأسعار بالرصيد، ويظهر السعر دائمًا على الزر قبل الضغط. الأسعار

أسئلة وأجوبة

السعر والإتقان، لا الإعدادات. كلاهما يأخذ 4 أو 6 أو 8 ثوانٍ، و720p أو 1080p، ومفتاح صوت. Fast هو الإصدار الأسرع والأرخص؛ أما Veo 3.1 الكامل فثانيته أغلى، ونختاره للوجوه القريبة في الإضاءة الصعبة، كما في مقطعي الشموع والزفاف أعلاه. ولصورة جماعية واسعة تُشاهد على الهاتف، يكفي Fast عادة.