Veo oder Google Veo ist ein von Google DeepMind entwickeltes Text-zu-Video-Modell, das im Mai 2024 vorgestellt wurde. Als generatives KI-Modell erstellt es Videos auf der Grundlage von Prompts. Veo 3, das im Mai 2025 veröffentlicht wurde, kann zudem begleitenden Ton generieren.
Entwicklung
Im Mai 2024 wurde auf der Google I/O ein multimodales Modell zur Videogenerierung namens Veo vorgestellt. Google gab an, dass es damit 1080p-Videos mit einer Länge von über einer Minute erzeugen könne. Im Dezember 2024 veröffentlichte Google„Veo 2“, das über VideoFX verfügbar ist. Es unterstützt die Erzeugung von Videos in 4K-Auflösung und verfügt über ein verbessertes Verständnis der Physik. Im April 2025 gab Google bekannt, dass „Veo 2“ für fortgeschrittene Nutzer in der Gemini-App verfügbar sei.
Im Mai 2025 brachte Google „Veo 3“ auf den Markt, das nicht nur Videos generiert, sondern auch synchronisierten Ton – einschließlich Dialoge, Soundeffekte und Umgebungsgeräusche – erstellt, der auf das Bildmaterial abgestimmt ist. Google kündigte außerdem „Flow“ an, ein Tool zur Videoerstellung, das auf Veo und Imagen basiert. Demis Hassabis, CEO von Google DeepMind, bezeichnete die Veröffentlichung als den Moment, in dem die KI-Videogenerierung die Ära des Stummfilms hinter sich ließ. Im Rahmen der Google-I/O-Keynote 2026 wurde das Tool in „Google Flow“ umbenannt, gleichzeitig wurde „Google Flow Music“ angekündigt.
Funktionen
Ein LGBTQ-Romantik-Thriller als Kurzfilm, erstellt mit Google Veo 3. Dieses Video ist ein Beispiel für detaillierte, vielfältige und realistische Charaktermodelle, Kontinuität bei Figuren und Umgebungen zwischen den Schnitten, Musik, Synchronisation, Untertitel sowie Produktplatzierung.
Google Veo kann in verschiedenen Abonnementstufen und über Google „AI-Credits“ erworben werden. Die Software selbst kann über zwei verschiedene Konsolen ausgeführt werden: Google Gemini und Google Flow. Gemini ist auf kürzere, schnellere und zügigere Projekte ausgerichtet und nutzt das Gemini-KI-Chat-Modell, während Google Flow im Wesentlichen ein Filmschnittprogramm ist, mit dem Nutzer längere Projekte mit Kontinuität erstellen können, wobei dieselben Figuren und Darsteller zum Einsatz kommen. Nutzer können pro Clip maximal acht Sekunden erstellen.
Laut Gizmodo wiesen Veo-3-Nutzer das Modell an, Inhalte von geringer Qualität zu generieren, wie beispielsweise Straßeninterviews oder „Haul“-Videos, in denen Menschen Produkte auspacken. 404 Media berichtete, dass das Tool dazu neigte, als Antwort auf unterschiedliche Prompts immer wieder denselben Witz zu wiederholen.
Kommentatoren spekulierten, dass Google den Dienst anhand von YouTube-Videos oder Reddit-Beiträgen trainiert habe. Google selbst hatte keine Angaben zur Quelle der Trainingsinhalte gemacht.
Im Juli 2025 berichtete Media Matters for America, dass rassistische und antisemitische Videos, die mit Veo 3 erstellt wurden, auf TikTok hochgeladen wurden. Ryan Whitwam von Ars Technica kommentierte dies wie folgt: „In einer perfekten Welt würde sich Veo 3 weigern, solche Videos zu erstellen, aber die Unklarheit der Prompts und die Unfähigkeit der KI, die Feinheiten rassistischer Klischees zu verstehen (z.B. die Verwendung von Affen anstelle von Menschen in einigen Videos), machen es leicht, die Regeln zu umgehen.“
