Google Veo là gì? Tạo video AI có tiếng và cách viết prompt

Google Veo là gì: mô hình video có âm thanh của Google DeepMind, dùng ở Google Flow và Gemini API tại Việt Nam, thông số Veo 3.1 (4 đến 8 giây, 720p đến 4K), cách viết prompt có lời thoại và tiếng động, SynthID, so sánh với Kling và Runway.

Google Veo là mô hình tạo video bằng AI của Google DeepMind. Hình ColorME dựng, tên viết bằng chữ thường, không dùng biểu tượng của Google.

Trả lời nhanh: Google Veo là mô hình tạo video bằng AI của Google DeepMind: bạn mô tả một cảnh (hoặc đưa ảnh vào), Veo tạo một đoạn video ngắn có sẵn âm thanh, gồm tiếng động, tiếng nền và cả lời thoại. Bản mới nhất trên trang Google ngày 17/10/2026 là Veo 3.1, mỗi lần tạo 4, 6 hoặc 8 giây, độ phân giải 720p, 1080p hoặc 4K. Người dùng phổ thông ở Việt Nam dùng Veo qua Google Flow (từ 18 tuổi), lập trình viên dùng qua Gemini API.

Bốn nơi dùng Veo theo trang của Google, đọc ngày 17/10/2026: Google Flow, Gemini API và AI Studio, Google Vids, ứng dụng Gemini.

Thông số lấy từ trang chính thức của từng hãng, mình đọc ngày 17/10/2026 và ghi nguồn. Công cụ AI đổi nhanh, hãy mở lại trang gốc trước khi dùng cho dự án thật.

Google Veo là gì?

Trang của Google DeepMind giới thiệu Veo là "Our leading video generation model" và Veo 3.1 là mô hình "designed to empower filmmakers and storytellers" (Google DeepMind: Veo). Điểm khác biệt Google nhấn mạnh từ Veo 3 là âm thanh: Veo "lets you add sound effects, ambient noise, and even dialogue", và toàn bộ âm thanh được tạo cùng hình. Veo 3.1 thêm các cách điều khiển: dùng ảnh tham chiếu ("Ingredients to video"), chèn vật thể, kéo dài cảnh, điều khiển máy quay.

Nói đơn giản: Veo là "bộ máy" tạo video, còn bạn dùng nó qua một sản phẩm khác của Google. Đây là điều người mới hay nhầm, vì không có ứng dụng nào tên "Veo" để tải.

Dùng Google Veo ở đâu?

Google Flow là "creative studio" để tạo cảnh và câu chuyện; trang trợ giúp Google One liệt kê các chế độ "Text to video", "Ingredients to video", "Frames to video" (Google One Help). Trang Where you can use Google Flow có Việt Nam trong danh sách quốc gia, có tiếng Việt trong danh sách ngôn ngữ, và ghi Flow dành cho người "ages 18+". Cùng trang khuyên: "we recommend using English prompts", vì chất lượng với ngôn ngữ khác "may vary".

Ứng dụng Gemini: trang giới thiệu tính năng tạo video bằng tiếng Việt của Gemini viết Gemini Omni 1.1 Flash là mô hình "sẽ thay thế cho mô hình Google Gemini Veo 3.1 trước đây" trong ứng dụng Gemini, và tính năng "Cần có gói thuê bao AI của Google", dành cho người từ 18 tuổi (Gemini: tạo video). Vì vậy nếu bạn tạo video trong Gemini, mô hình đang chạy có thể không còn là Veo.

Tài khoản, gói và chuyện "miễn phí"

• Không có câu "Veo miễn phí": mình không thấy trang nào của Google ghi Veo dùng không mất phí. Trang gói Google AI bản tiếng Việt (có hiển thị cho Việt Nam) ghi các gói trả phí kèm "tín dụng Google Flow", và gói Google AI Pro được "dùng thử Veo 3.1 Lite (bản dùng thử có giới hạn)" (Gói Google AI).
• Hết lượt: trang trợ giúp ghi khi hết hạn mức Flow, thành viên có thể mua thêm "AI credits".
• Tính năng thay đổi theo nơi: chú thích trên trang gói ghi tính năng Flow "có thể khác nhau tuỳ theo gói thuê bao AI của Google, nền tảng (web hoặc thiết bị di động) và khu vực".

Thông số Veo 3.1

Các con số dưới đây lấy từ tài liệu Gemini API (cập nhật 08/10/2026), là nơi Google ghi thông số Veo chi tiết nhất (Generate videos with Veo 3.1). Trong Flow, tuỳ chọn hiển thị có thể khác.

• Ảnh đầu và ảnh cuối: đưa hai ảnh, Veo tạo đoạn chuyển giữa chúng.
• Ảnh tham chiếu: "up to 3 reference images" để giữ diện mạo nhân vật, sản phẩm.
• Kéo dài video: nối thêm 7 giây mỗi lần, tối đa 20 lần, ra một video "up to 148 seconds"; chỉ ở 720p.
• Thời gian chờ: "Min: 11 seconds; Max: 6 minutes (during peak hours)".
• Lưu trữ: qua API, video được giữ trên máy chủ 2 ngày, bạn phải tải về trước đó.

Trang tổng quan video của Gemini API hiện khuyên dùng Gemini Omni Flash làm mô hình mặc định, còn Veo 3.1 cho các việc cần "scene extension, last-frame control" (Video generation in the Gemini API).

Âm thanh trong Veo: điểm mạnh và giới hạn

Ba loại âm thanh viết thẳng vào prompt Veo: lời thoại, hiệu ứng, tiếng nền. Ví dụ do ColorME viết; sóng âm là hình vẽ minh hoạ.

Tài liệu Gemini API chia âm thanh thành ba loại và cách viết cho từng loại:

Giới hạn Google tự ghi: tạo lời thoại tự nhiên, nhất quán, "particularly for shorter speech segments", vẫn là "an area of active development" (trang DeepMind). Tài liệu API thêm: tiếng Anh được hỗ trợ đầy đủ, các ngôn ngữ khác "have not been evaluated", có thể chạy nhưng kết quả không chắc. Đôi khi Veo 3.1 chặn cả video vì lỗi xử lý âm thanh. Nếu cần lời thoại tiếng Việt chuẩn, cách thường gặp là tạo cảnh có tiếng nền, rồi thu lời thoại thật và ghép ở bước dựng.

Cách viết prompt cho Google Veo

Tài liệu Gemini API liệt kê các phần nên có: Subject (chủ thể), Action (hành động), Style (phong cách), và các phần tuỳ chọn Camera positioning and motion (vị trí, chuyển động máy), Composition (bố cục khung), Focus and lens effects (lấy nét, ống kính), Ambiance (màu và ánh sáng). Hướng dẫn prompt của DeepMind thêm: tả kỹ nhân vật, địa điểm, ánh sáng, và khai báo âm thanh muốn nghe (How to create effective prompts with Veo 3).

Prompt ví dụ chia màu theo từng phần, có cả dòng Audio. Ví dụ do ColorME viết, chưa chạy trên Veo.

Mẹo của DeepMind: bắt đầu prompt bằng loại video bạn muốn (thực tế, hoạt hình, stop-motion), và đưa âm thanh vào ngay trong câu hoặc một dòng riêng bắt đầu bằng "Audio:". Ví dụ dưới do mình viết để minh hoạ, không phải prompt của Google; vì Google khuyên dùng tiếng Anh, mình kèm bản tiếng Anh. Mình chưa chạy hai prompt này trên Veo, nên đây là mẫu cấu trúc, không phải kết quả đã kiểm chứng.

Ví dụ 1 (mình viết): video sản phẩm có tiếng

Quảng cáo điện ảnh. Cận cảnh chiếc bình gốm men lam trên bàn gỗ trong xưởng gốm buổi sớm, nước được rót vào bình, vài giọt bắn nhẹ lên miệng bình. Máy trượt chậm từ trái sang phải, nắng xiên ấm qua cửa sổ, nền mờ. Audio: tiếng nước rót róc rách, tiếng chim sáng sớm ở xa.
Cinematic commercial. Close-up of a blue-glazed ceramic vase on a wooden table in a pottery studio at dawn, water being poured into it, a few droplets splashing on the rim. Slow dolly from left to right, warm slanted sunlight through a window, blurred background. Audio: gentle trickling water, distant morning birdsong.

Ví dụ 2 (mình viết): phong cảnh và "prompt phủ định"

Phim tài liệu thiên nhiên. Toàn cảnh ruộng bậc thang lúc bình minh, sương mỏng trôi qua sườn đồi, mây chuyển chậm. Flycam bay thẳng về phía trước ở độ cao thấp, tông vàng ấm. Audio: gió nhẹ, tiếng côn trùng buổi sớm.
Nature documentary. Wide shot of rice terraces at sunrise, thin mist drifting over the hillside, clouds moving slowly. Low-altitude drone flying straight forward, warm golden tones. Audio: soft wind, early-morning insects.
Prompt phủ định (nếu công cụ có ô này): text, logo, buildings.

Về prompt phủ định, hướng dẫn của Google Cloud khuyên không viết kiểu "no walls" hay "don't show walls", mà liệt kê thứ không muốn thấy, ví dụ "wall, frame" (Google Cloud: Video generation prompt guide).

Ba lỗi hay gặp

• Nhồi quá nhiều sự kiện vào 8 giây: FAQ công cụ Tạo video từ mô tả của ColorME (chạy Veo) khuyên "tránh quá nhiều sự kiện trong 8 giây".
• Tả nhân vật chung chung: DeepMind ví dụ một mô tả cụ thể về tuổi, tóc, tàn nhang "will produce more specific results" hơn một mô tả ngắn.
• Quên âm thanh: Veo luôn tạo tiếng; không tả thì mô hình tự chọn, có khi không hợp cảnh.

SynthID, an toàn và quyền với video

• SynthID: "Videos created by Veo are watermarked using SynthID", có thể kiểm tra qua nền tảng xác minh SynthID. Trang Gemini ghi mọi video tạo trong ứng dụng Gemini cũng được nhúng SynthID, "không thể nhận biết bằng mắt thường".
• Bộ lọc: video tạo ra đi qua bộ lọc an toàn và kiểm tra nội dung ghi nhớ để giảm rủi ro "privacy, copyright and bias"; prompt vi phạm bị chặn.
• Người trong video: qua API, chế độ ảnh thành video chỉ cho tạo người lớn ("allow_adult" only).
• Quyền với nội dung: điều khoản Gemini API ghi Google "won't claim ownership" nội dung bạn tạo, và bạn chịu trách nhiệm về việc dùng nội dung đó (Gemini API Additional Terms). Mình không đọc được điều khoản riêng của Flow cho bài này, nên không nêu.

Thói quen nên có: không tả người thật hay người nổi tiếng, chỉ dùng ảnh bạn có quyền, ghi "video tạo bằng AI" khi đăng.

So sánh Veo với Kling và Runway

Bảng gom thông tin từ trang chính thức của từng hãng, đọc cùng ngày 17/10/2026. Sora của OpenAI không có trong bảng vì trang của OpenAI chặn trình đọc của mình (lỗi 403).

So sánh Google Veo, Kling và Runway theo trang chính thức của từng bên, đọc ngày 17/10/2026.

Muốn xem kỹ từng công cụ còn lại: Kling AI là gì (video từ ảnh, cách viết prompt) và Runway là gì (dựng phim, hậu kỳ). Tạo ảnh trong Gemini thì đọc bài Gemini tạo ảnh.

Nguồn Kling: Kling AI Video Generator, Kling 4.0 vs 3.0, Kling Terms. Nguồn Runway: Runway Pricing, Aleph 2.0, Runway API models, Runway Terms of Use.

Đọc bảng theo nhu cầu: cần cảnh ngắn có tiếng ngay, watermark ẩn, dùng trong hệ sinh thái Google thì Veo. Cần một lần tạo dài hơn, nhiều ảnh mốc thì Kling 4.0. Cần sửa video đã quay, làm hậu kỳ thì Runway; tài liệu API của Runway còn liệt kê Veo 3.1 trong danh sách mô hình chạy được trên nền tảng của họ.

Dùng Veo trên ColorME

ColorME có hai công cụ chạy mô hình Veo. Tạo video từ mô tả: "AI Veo tạo video khoảng 8 giây từ đoạn mô tả bằng tiếng Việt"; FAQ ghi bạn mô tả bằng tiếng Việt, "hệ thống tự làm rõ mô tả trước khi gửi cho mô hình video". Ảnh thành video: "AI Veo dùng ảnh làm khung hình đầu và tạo video khoảng 8 giây". Cả hai chọn được chuyển động máy ("Đẩy vào chậm, Lia ngang, Quay quanh, Nâng máy hoặc Máy đứng yên"), về âm thanh ghi "Tuỳ mô hình, video có thể có hoặc không có tiếng", và "dành cho tài khoản được ColorME cấp quyền dùng AI, bạn cần đăng nhập để chạy".

Thấy một video mẫu hay mà chưa biết tả thế nào, dùng Tạo prompt từ video: trang công cụ ghi kết quả có "bản chỉnh riêng cho Veo, Seedance, Kling, Runway", và giải thích "Veo thích đoạn văn điện ảnh tự nhiên". Công cụ dành cho thành viên ColorME Premium, cần đăng nhập. Mình chưa chạy thử ba công cụ này cho bài, chỉ dẫn lại lời trên trang.

Sau khi có video

Đoạn 8 giây hiếm khi là sản phẩm cuối: cắt đoạn thừa, ghép các cảnh, thêm chữ và nhạc khi dựng; xem thêm cách edit video online không cần cài phần mềm. Cần ảnh đầu vào đẹp, đọc Nano Banana là gì và cách tạo ảnh bằng Gemini, hai công cụ ảnh cũng của Google. Muốn học dựng bài bản, xem khoá Premiere của ColorME.

Câu hỏi thường gặp về Google Veo

Google Veo có miễn phí không?

Mình không thấy trang nào của Google ghi Veo dùng không mất phí. Trang gói Google AI ghi gói Pro được "dùng thử Veo 3.1 Lite (bản dùng thử có giới hạn)", và các gói trả phí kèm tín dụng Google Flow.

Dùng Google Veo ở Việt Nam được không?

Trang trợ giúp Google Flow có Việt Nam trong danh sách quốc gia, dành cho người từ 18 tuổi; Gemini API cũng có Việt Nam trong danh sách khu vực.

Video Veo dài bao lâu?

Theo tài liệu Gemini API, mỗi lần tạo 4, 6 hoặc 8 giây; có thể nối thêm 7 giây mỗi lần, tối đa 20 lần, ra video tới 148 giây ở 720p.

Viết prompt Veo bằng tiếng Việt được không?

Trang Flow khuyên dùng prompt tiếng Anh, tài liệu API ghi các ngôn ngữ ngoài tiếng Anh chưa được đánh giá. Bạn vẫn thử được; nếu lệch ý, viết lại bằng tiếng Anh.

Veo khác Kling và Runway thế nào?

Veo 3.1 tạo cảnh 4 đến 8 giây luôn có tiếng, gắn SynthID; Kling 4.0 cho một lần tạo dài tới 30 giây; Runway thiên về bộ công cụ dựng, sửa video và hậu kỳ.