Veo 3.1 ile video üretimi: neler yapar, sınırları ne?

Kısa cevap: Veo 3.1, Google DeepMind'ın metinden ya da bir fotoğraftan kısa video üreten modeli; görüntüyle birlikte diyalog, efekt ve ortam sesini de kendisi üretiyor. Google'ın belgelerine göre tek seferde 4, 6 ya da 8 saniyelik klipler üretiyor; 720p, 1080p ve 4K çıktı veriyor. Bu yazıda modelin neler yapabildiğini, resmî sınırlarını ve iyi bir video promptunun nasıl kurulduğunu anlatıyoruz.

Veo 3.1 nedir, kim geliştirdi?

Veo, Google DeepMind'ın video üretim modeli ailesi. Veo 3.1, 15 Ekim 2025'te daha hızlı ve daha düşük maliyetli kardeşi Veo 3.1 Fast ile birlikte duyuruldu. Google bu sürümde daha zengin yerleşik ses, sinematik stilleri daha iyi anlama ve fotoğraftan videoda daha iyi prompt uyumu vaat etti. Kurumsal tarafta Google Cloud'daki kararlı (GA) sürüm 17 Kasım 2025'te yayımlandı. Ocak 2026'da referans görsellerle üretim güçlendirildi; Mart 2026'da ise daha hafif bir Lite sürümü eklendi.

Model Gemini uygulamasında, Google'ın film yapım aracı Flow'da, Google Vids'de, geliştiriciler için Gemini API ve Google AI Studio'da, kurumsal kullanıcılar için Google Cloud'da sunuluyor. Bir not: Bu yazının yazıldığı Ekim 2026 itibarıyla Gemini API'deki Veo 3.1 önizleme modelleri 22 Ekim 2026'da kapatıldı; Google geliştiricileri daha yeni Gemini Omni Flash modeline ya da Google Cloud'daki kararlı Veo 3.1 sürümlerine yönlendiriyor. Yani Veo 3.1'i hangi kapıdan kullandığın, hangi seçeneklerin açık olduğunu belirliyor.

Veo 3.1 neler yapabilir?

Metinden video

Yazdığın sahne açıklamasından kısa bir video üretir. Google'ın vurguladığı noktalar gerçekçilik, fizik ve prompta uyum. Diyalog içeren sahneler, sinematik çekimler ve animasyon tarzları belgelerdeki örnekler arasında.

Fotoğraftan video

Bir görsel yüklediğinde Veo onu videonun ilk karesi olarak kullanır ve promptuna göre hareketlendirir. Belgelerin önerisi basit: videonun ilk sahnesi olarak hayal ettiğine en yakın görseli seç.

Referans görsellerle video

Google'ın “Ingredients to Video” dediği özellikte en çok üç referans görseli verirsin. Gemini API belgelerine göre bunlar tek bir kişinin, karakterin ya da ürünün görselleri olmalı; Veo öznenin görünümünü çıktıda korumaya çalışır. Ocak 2026 güncellemesiyle karakterlerin sahne değişse de aynı görünmesi, arka planın ve nesnelerin tutarlılığı iyileştirildi ve bu modda ilk kez dikey 9:16 video desteklendi.

İlk ve son kare

Bir başlangıç ve bir bitiş görseli verirsin, Veo ikisi arasındaki geçişi sesiyle birlikte üretir. Bir ürünün kutudan çıkışı ya da gündüzden geceye geçiş gibi “A'dan B'ye” sahneler için kullanışlıdır.

Sahne uzatma

Daha önce Veo ile ürettiğin bir videoyu uzatabilirsin. Google'a göre her yeni parça, önceki klibin son saniyesi temel alınarak üretiliyor; böylece görsel süreklilik korunuyor.

Yerleşik ses

Veo 3.1 videonun sesini ayrı bir adımda değil, görüntüyle birlikte üretir: konuşmalar, efektler ve ortam sesi. Gemini API belgelerine göre ses her zaman açık; ayrıca kapatılabilen bir seçenek değil.

Süre, çözünürlük ve oran: resmî sınırlar neler?

Aşağıdaki tablo, Google Cloud'daki Veo 3.1 model sayfasında ve Gemini API belgelerinde yayımlanan teknik özelliklerden derlendi:

Özellik	Veo 3.1	Veo 3.1 Fast	Veo 3.1 Lite
Klip süresi	4, 6 ya da 8 saniye	4, 6 ya da 8 saniye	4, 6 ya da 8 saniye
En-boy oranı	16:9 ve 9:16	16:9 ve 9:16	16:9 ve 9:16
Çıktı çözünürlüğü	720p, 1080p, 4K	720p, 1080p	720p, 1080p
Kare hızı	24 fps	24 fps	24 fps
Referans görseller	Var (yalnız 8 saniye)	Var (yalnız 8 saniye)	Yok
Ses	Var	Var	Var

Gemini API belgeleri birkaç ek kural daha yazıyor. 1080p ve 4K yalnız 8 saniyelik videolarda seçilebiliyor; referans görsel kullanıldığında da süre 8 saniye olmak zorunda. Sahne uzatma her seferinde 7 saniye ekliyor ve en çok 20 kez yapılabiliyor; uzatılacak video en fazla 141 saniye, sonuç en fazla 148 saniye olabiliyor ve uzatma yalnız 720p'de çalışıyor. Promptun metin sınırı 1.024 token.

Veo 3.1 için prompt nasıl yazılır?

Google Cloud'un Veo 3.1 prompt rehberi beş parçalı bir formül öneriyor: sinematografi + özne + eylem + bağlam + stil ve atmosfer. Yani önce kameranın ne yaptığını, sonra kimi gördüğümüzü, onun ne yaptığını, nerede olduğumuzu ve sahnenin nasıl hissettirdiğini yaz.

Belgeler, prompt dili olarak İngilizceyi destekliyor; öbür dillerin değerlendirilmediğini, çalışabileceğini ama sonuçların değişebileceğini yazıyor. Bu yüzden örnekleri İngilizce veriyoruz ve altına Türkçe anlamını ekliyoruz:

Slow dolly shot. A potter shapes a clay bowl on a spinning wheel in a small sunlit workshop. Dust floats in the warm afternoon light; shallow depth of field, calm documentary style.

Türkçesi: Yavaş kaydırmalı çekim. Güneş alan küçük bir atölyede bir çömlekçi dönen tornada kil bir kase biçimlendiriyor. Sıcak öğleden sonra ışığında toz zerreleri uçuşuyor; sığ alan derinliği, sakin belgesel tarzı.

Kamera dili

Rehber, kamera hareketi için dolly, takip (tracking), vinç (crane), havadan görünüm, yavaş pan ve bakış açısı (POV) çekimlerini; kadraj için geniş plan, yakın plan, aşırı yakın plan, alçak açı ve iki kişilik çekimi; lens için sığ alan derinliği, geniş açı ve makro gibi terimleri öneriyor. Bu terimleri kullanmak, “güzel bir çekim” demekten çok daha net sonuç verir.

Ses için prompt

Veo'ya üç tür ses ipucu verebilirsin:

• Diyalog: Konuşmayı tırnak içinde yaz. Örnek: A woman says, “We have to leave now.”
• Efekt: Sesi açıkça tarif et. Örnek: SFX: thunder cracks in the distance.
• Ortam sesi: Arka plandaki ses dokusunu anlat. Örnek: Ambient noise: the quiet hum of a starship bridge.

Zaman damgalı, çok çekimli prompt

Rehberin ilginç bir önerisi, tek bir üretimde birden fazla çekimi zaman damgalarıyla yönetmek:

[00:00-00:02] Medium shot of a cyclist stopping at the top of a hill at sunrise. [00:02-00:04] Close-up of her smiling face, breathing hard. SFX: wind and distant birds. [00:04-00:08] Wide aerial shot revealing the valley and the winding road below.

Türkçesi: İlk iki saniyede gün doğumunda tepeye varan bir bisikletliyi orta planda, sonraki iki saniyede gülümseyen yüzünü yakın planda, son dört saniyede vadiyi ve kıvrılan yolu havadan geniş planda göster; rüzgâr ve uzaktan kuş sesi duyulsun.

İstemediğini olumlu anlat

Rehber, “insan yapımı yapı olmasın” yerine “binası ve yolu olmayan ıssız bir arazi” gibi, sahneyi olumlu tarif eden ifadeleri öneriyor.

Fotoğraftan video ve referans görselle çalışırken nelere dikkat etmeli?

1. Fotoğrafı ilk kare gibi düşün: Veo görseli başlangıç karesi olarak kullandığı için kadraj, ışık ve oran baştan doğru olmalı. Dikey video istiyorsan dikey bir görselle başla.
2. Promptta hareketi anlat, görüntüyü tekrar etme: Fotoğrafta zaten görünenleri yeniden saymak yerine neyin hareket edeceğini ve kameranın ne yapacağını yaz.
3. Referanslarda tek özneye odaklan: Belgeler üç görselin tek bir kişi, karakter ya da ürüne ait olmasını öneriyor. Farklı açılardan çekilmiş net görseller daha iyi sonuç verir.
4. İlk ve son karede geçişi ve sesi tarif et: Rehber, bu modda promptta geçişin nasıl olacağını ve hangi sesi istediğini anlatmayı öneriyor.
5. Uzatmada sürekliliği koru: Yeni parçanın promptunda karakteri, mekânı ve ışığı aynı kelimelerle anmak, kopukluğu azaltır.

Veo 3.1'in sınırları neler?

• Dil: İngilizce tam destekleniyor; öbür diller değerlendirilmemiş, sonuçlar değişebilir.
• Bekleme süresi: Gemini API belgelerine göre bir istek en az 11 saniye, yoğun saatlerde 6 dakikaya kadar sürebiliyor.
• Kısa konuşmalar: Google DeepMind, özellikle kısa konuşma parçalarında doğal ve tutarlı sesin hâlâ geliştirilen bir alan olduğunu belirtiyor.
• Birden çok videoya dayanmak: Birden fazla videoyu referans alıp onlar üzerinden akıl yürütme şu an desteklenmiyor.
• Ses kaynaklı engelleme: Veo 3.1 bazen güvenlik filtreleri ya da sesle ilgili işleme sorunları nedeniyle üretimi durdurabiliyor; belgelere göre bu durumda ücret alınmıyor.
• Saklama: Gemini API'de üretilen videolar sunucuda 2 gün tutuluyor; kalıcı kopya için bu sürede indirmen gerekiyor.
• Bölgesel kurallar: AB, Birleşik Krallık, İsviçre ve Orta Doğu-Kuzey Afrika bölgesinde insan içeren üretim ayarları daha kısıtlı.
• Güvenlik filtreleri: Kurallara aykırı promptlar engelleniyor; videolar ayrıca gizlilik, telif ve önyargı risklerine karşı ezber kontrolünden geçiyor.

Veo videoları nasıl işaretleniyor? SynthID ve İçerik Kimlik Bilgileri

Veo ile üretilen videolar, Google'ın gözle görülmeyen SynthID filigranını taşıyor. Belgelere göre bu videolar SynthID doğrulama platformunda kontrol edilebiliyor; Google'ın Ocak 2026 duyurusuna göre bir videoyu Gemini uygulamasına yükleyip Google yapay zekâsıyla üretilip üretilmediğini de sorabiliyorsun. Google Cloud'daki Veo 3.1 sayfası, modelin C2PA İçerik Kimlik Bilgileri'ni (Content Credentials) desteklediğini de listeliyor. Yine de paylaştığın videoda yapay zekâ kullandığını açıkça belirtmek en temiz yol.

Sık yapılan hatalar

• Sekiz saniyeye bir film sığdırmaya çalışmak: Tek klipte bir ana eylem seç; uzun hikâyeleri uzatma ya da birden çok klip ile kur.
• Kamerayı tarif etmemek: Kamera hareketi yazılmazsa model kendi seçer; istediğin his için çekim türünü belirt.
• Sesi unutmak: Ses her zaman üretildiği için, tarif etmezsen modelin tahminine kalır. Ortam sesini ve varsa konuşmayı yaz.
• Uzun diyalog yazmak: Birkaç saniyelik klipte uzun cümleler aceleye gelir; kısa ve net replikler seç.
• Yanlış oranla başlamak: Dikey içerik için 9:16, yatay için 16:9 seç ve fotoğrafını da buna göre hazırla.
• Videoyu indirmeyi unutmak: Saklama süresi sınırlı; beğendiğin sonucu hemen kaydet.

Özet

• Veo 3.1, Google DeepMind'ın metinden ve fotoğraftan sesli video üreten modeli; Fast ve Lite sürümleri de var.
• Klipler 4, 6 ya da 8 saniye; oranlar 16:9 ve 9:16; çıktı 720p, 1080p ve 4K (4K ve 1080p yalnız 8 saniyede).
• Referans görseller, ilk-son kare ve sahne uzatma ile daha uzun ve tutarlı sahneler kurabilirsin.
• İyi prompt: sinematografi, özne, eylem, bağlam, stil; sesi ve diyaloğu ayrıca yaz.
• Prompt dili olarak İngilizce öneriliyor; kısa konuşmalar ve bekleme süresi bilinen sınırlar.
• Tüm videolar SynthID filigranı taşıyor ve doğrulanabiliyor.