Prompts para Veo 3.1: estructura, audio, planos y ejemplos para copiar

Qué es Veo 3.1 y qué versión está vigente

Veo es el modelo de generación de vídeo de Google, y Veo 3.1 es la versión actual de la familia Veo 3. Genera clips cortos con imagen y sonido a la vez: diálogo, efectos y ambiente salen del propio modelo, sin montar el audio aparte. Comprobado en noviembre de 2026, hay tres variantes:

• Veo 3.1 (veo-3.1-generate-001): el modelo estándar y el único que llega a 4K.
• Veo 3.1 Fast: disponible de forma general desde noviembre de 2025.
• Veo 3.1 Lite: en versión preliminar desde abril de 2026; no admite imágenes de referencia.

Ojo con las fechas. En la Gemini API, los modelos preliminares de Veo 3.1 se apagaron el 22 de octubre de 2026 y Google remite a Gemini Omni Flash o a los modelos Veo de Vertex AI. Además, la documentación de Google indica para Veo 3.1 Fast una retirada «el 17 de noviembre de 2026 o después», así que es posible que deje de estar disponible pronto. Antes de empezar un proyecto, mira en la herramienta qué versión tienes y si sigue activa; tampoco damos por hecho qué ofrecen hoy la app de Gemini o Flow.

• Modos: texto a vídeo, imagen a vídeo, primer y último fotograma, imágenes de referencia («ingredients») y extensión de un clip.
• Duración: 4, 6 u 8 segundos por clip; con imágenes de referencia, solo 8.
• Formato y calidad: 16:9 o 9:16, a 720p o 1080p (4K solo en el estándar) y 24 fotogramas por segundo.
• Extensión: cada paso añade 7 segundos, hasta 37 en total.

Cómo se estructura un prompt para Veo 3.1

La guía oficial de Google propone una fórmula de cinco piezas, en este orden: cinematografía (plano, ángulo, movimiento y óptica), sujeto, acción, contexto (lugar, hora, clima) y estilo y ambiente. Puedes añadir elementos temporales, el audio y términos de montaje como «match cut» o «jump cut».

Escribe el prompt en inglés: la ficha del modelo indica ese idioma. Si te cuesta, redacta la escena en español y pide a ChatGPT, Claude o Gemini que la pase a inglés con esta estructura.

[Shot type and camera movement] on [subject with 2-3 visible traits] as [one clear action] in [place, time of day, weather]. [Lighting], [style]. [Speaker] says, "[short line]." SFX: [one sound effect]. Ambient noise: [background sound].

Crane shot starting low on a lone hiker in a red jacket and rising high above her, revealing a mist-filled canyon at sunrise. Soft morning light, long shadows across the rocks, epic fantasy style. Ambient noise: wind moving through the canyon.

Un clip de 8 segundos da para una acción, quizá dos. Si la historia tiene más pasos, divídela en varios clips o en varios planos con marcas de tiempo.

Audio en Veo 3.1: diálogo, efectos y ambiente

Veo 3.1 genera el sonido junto con la imagen, pero conviene pedirlo de forma explícita y en frases separadas de la descripción visual. Google documenta tres formas:

• Diálogo entre comillas, nombrando a quien habla: A woman says, "We have to leave now."
• Efectos con la etiqueta SFX: SFX: thunder cracks in the distance.
• Sonido de fondo con Ambient noise: Ambient noise: the quiet hum of a busy café.

A slow dolly-in on a chef plating a dessert in a busy restaurant kitchen, steam rising from the pans behind him. Warm tungsten light, shallow depth of field, cinematic style. The chef says, "Almost ready." SFX: a spoon taps the edge of the plate. Ambient noise: pans sizzling and muffled kitchen chatter.

La documentación indica el inglés como idioma del prompt y no detalla qué pasa con diálogos en otros idiomas. Si quieres que el personaje hable en español, deja el resto del prompt en inglés, pon solo la frase en español entre comillas y prueba el resultado antes de dar el clip por bueno.

Varios planos, referencias y extensiones

Dentro de un mismo clip puedes encadenar planos con marcas de tiempo al inicio de cada uno. Las marcas deben cubrir toda la duración, sin huecos, y cada plano funciona mejor con un solo encuadre y un solo movimiento.

[00:00-00:03] Medium shot of a lighthouse keeper in a navy wool coat climbing a spiral staircase, a lantern in his hand, warm light flickering on the stone walls. [00:03-00:06] Reverse shot from the top of the stairs as he reaches the lamp room and looks out at a stormy sea. Moody, cinematic style. SFX: boots on metal steps. Ambient noise: wind howling outside.

Con imágenes de referencia, empieza diciendo a qué corresponde cada una. Así Veo sabe qué personaje, objeto o lugar debe conservar:

Using the provided images for the detective, the woman, and the office, a medium two-shot of the detective leaning across his desk as the woman slides a sealed envelope toward him. Late-night desk lamp light, film noir style. The woman says, "You didn't get this from me." Ambient noise: rain against the window.

Para extender un clip, escribe el nuevo prompt como continuación directa: repite con las mismas palabras el sujeto, la ropa, la luz y el estilo, y describe solo lo que pasa después.

Negativos: el campo negativePrompt

Veo tiene un parámetro aparte, negativePrompt, para lo que no quieres ver. Google recomienda escribirlo como una lista de términos y no como órdenes con «no» o «don't». Y, mejor aún, describir en el prompt lo que sí quieres: «empty white walls» funciona mejor que pedir que no haya cuadros.

text, subtitles, watermark, logo, wall frames, extra fingers, cartoon

Cámara y movimiento: los términos que entiende Veo

Veo entiende el vocabulario de cine en inglés. Estos son los términos que aparecen en la documentación de Google; para el resto de modelos tienes el glosario de cámara.

• Planos: wide shot, close-up, extreme close-up, two-shot; ángulos low angle y high-angle.
• Movimientos: slow dolly-in, Truck left/right, Pan left/right, Tilt up/down, Pedestal up/down, Zoom in/out.
• Movimientos amplios: Crane shot, Arc shot o 180-degree arc, Aerial or drone shot, Tracking shot.
• Estilo de cámara: Static (fixed), Handheld or shaky cam, Whip pan.
• Foco: deep focus o soft focus.

Algunos ángulos y ópticas muy avanzados no están soportados oficialmente. Si Veo ignora un movimiento, simplifícalo o prueba con cámara fija.

Errores frecuentes con Veo 3.1

• Meter un suceso largo en un clip de 4 a 8 segundos: el modelo lo recorta, lo acelera o lo deja a medias.
• Pedir transformaciones bruscas (un coche que se convierte en dragón): salen mejor si son sutiles y progresivas.
• Escribir negativos dentro del prompt con «no» en lugar de usar negativePrompt.
• Mezclar el audio con la descripción visual o no decir quién habla.
• Elegir ajustes que tu versión no admite, como 4K en Fast o Lite, o 4 segundos con imágenes de referencia.
• Nombrar personas reales, marcas o personajes con derechos: además de no ser buena idea, los filtros de seguridad pueden bloquear la generación.

Los vídeos generados con IA que puedan pasar por reales conviene etiquetarlos, y cada plataforma tiene sus propias normas. Revísalas antes de publicar.

Cómo usar el generador de prompts para Veo de PromptNow

Si no quieres montar el prompt a mano, el generador de prompts para Veo 3.1 de PromptNow lo hace por ti. Eliges versión, modo, número de planos, encuadre, movimiento, luz, estilo, duración, formato, resolución y audio, y escribes la escena en español. Obtienes un prompt para pegar en ChatGPT, Claude o Gemini, que te devuelve el prompt final en inglés con la sintaxis de Veo, la lista para negativePrompt, dos variantes que cambian una sola cosa y una explicación en español de cada parte.

Para animar una imagen que ya tienes o planificar varios clips antes de generar, tienes también las plantillas de imagen a vídeo y de storyboard.