Veo 3.1 Fast

API Text-to-Video Veo 3.1 Fast di E2X

Veo 3.1 Fast adalah Veo 3.1 milik Google yang disetel untuk kecepatan: resolusi yang sama, durasi 4/6/8 detik yang sama, audio native yang selalu aktif dan sama, diselesaikan lebih cepat dan dihargai lebih rendah. Kami menyediakannya sebagai google/veo-3.1-fast/text-to-video dan kami menagih per detik output — $0.01 per detik, ×1.5 ketika trek audionya aktif. Klip 720p berdurasi 8 detik dengan suara menjadi $0.12. Tidak ada yang perlu diunggah. Sebuah prompt adalah seluruh inputnya.

Punya gambar diam yang ingin Anda hidupkan? Kalau begitu yang Anda cari adalah Veo 3.1 Fast image-to-video — model yang sama, satu frame awal. Butuh wajah yang sama dan jaket yang sama bertahan di sekumpulan shot? Itu Veo 3.1 Fast reference-to-video.

Berapa biaya klip 8 detik, di mana-mana

Setiap provider serius untuk model ini menagih per detik, termasuk kami. Jadi satu-satunya perbandingan yang jujur adalah konfigurasi tetap — ini dia pada 720p dengan audio aktif, diperiksa pada 26 Agustus 2026:

Baca baris terakhir itu berhadapan dengan fal.ai dan Replicate. Harga daftar kami untuk klip 8 detik adalah $1.20 — persis yang mereka tagihkan. Yang Anda bayar hari ini sepersepuluhnya, dan masih 6,7× di bawah API Google sendiri untuk request yang identik.

Susun anggaran dengan memperhatikan satu nuansa: 720p → 1080p gratis di fal.ai dan Replicate, sementara Google menagih lebih per detik untuk itu. Resolusi juga merupakan pengali di sisi kami, jadi tarik angka versi live dari llms.txt model ini sebelum berkomitmen pada pipeline 1080p.

Harga dan ketentuan produk dapat berubah sewaktu-waktu. Periksa harga terkini masing-masing provider sebelum mengambil keputusan pembelian. Harga Google Batch atau Flex tidak setara langsung dengan request API on-demand standar karena kondisi penjadwalan, ketersediaan, dan pemrosesannya berbeda; karena itu harga tersebut tidak disertakan dalam perbandingan ini. Ini adalah perbandingan dengan cakupan terbatas, bukan klaim bahwa E2X adalah opsi termurah di dunia dalam setiap konfigurasi.

Trek audionya adalah berita utamanya

Sebagian besar model text-to-video menyerahkan MP4 bisu kepada Anda dan membiarkan urusan suara jadi tanggungan Anda. Veo 3.1 Fast tidak begitu. API Google menghasilkan audio secara native dan Anda tidak bisa mematikannya di sana — dialog tersinkron, foley, dan room tone, diproduksi berdampingan dengan gambarnya dan terkunci ke frame-nya. Contoh prompt yang didokumentasikan Google sendiri memuat baris-baris ucapan.

Itu mengubah nilai satu call. Tulis "seorang penjual ikan membanting peti dan berteriak baru datang, lima menit lalu" dan Anda mendapat bantingan serta teriakannya di frame yang tepat — bukan pantomim yang harus Anda beri musik belakangan. Untuk potongan media sosial dan animatic, satu langkah pascaproduksi utuh lenyap.

Yang boleh Anda pilih:

• Durasi: 4, 6, atau 8 detik. Ini satu-satunya dari tiga endpoint Veo 3.1 Fast kami di mana pilihan itu benar-benar terbuka. Klip 720p 4 detik dengan audio berjalan $0.06; 6 detik adalah $0.09.
• Resolusi: 720p (default kami), 1080p, atau 4k, pada 24fps. 1080p dan 4k hanya untuk 8 detik — batasan Google, bukan kami.
• Aspect ratio: 16:9 (default) atau 9:16. Tidak ada persegi, tidak ada 4:5.
• has_sound, dengan default true, yang mendorong pengali ×1.5 itu.

Delapan detik adalah langit-langit untuk satu klip. Rangkaian berarti beberapa call.

Request API: prompt masuk, MP4 keluar

Buat key di dashboard, simpan di sisi server, kirim job-nya. Hanya prompt yang wajib.

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/veo-3.1-fast/text-to-video",
    "input": {
      "prompt": "Pengambilan handheld menyusuri gang Osaka yang licin oleh hujan di malam hari. Seorang penjual ramen mengangkat noren, uap mengepul keluar, dan ia berseru kepada pesepeda yang lewat: \"Semangkuk terakhir malam ini!\" Pantulan neon bergetar di genangan air.",
      "aspect_ratio": "16:9",
      "resolution": "720p",
      "duration": "8",
      "has_sound": "true"
    }
  }'

Kami mengembalikan sebuah job ID. Lakukan polling, atau tidak sama sekali:

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

const submitted = await fetch("https://api.e2x.ai/v1/jobs/submit", {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "google/veo-3.1-fast/text-to-video",
    input: {
      prompt:
        "Push-in lambat ke arah penjaga mercusuar yang sedang menulis di buku log. Angin menggetarkan kacanya. Ia bergumam, \"Malam ketiga, masih tidak ada sinyal.\" Lampu menyapu wajahnya setiap empat detik.",
      aspect_ratio: "9:16",
      resolution: "720p",
      duration: "6",
      has_sound: "true",
      seed: 41205,
    },
  }),
}).then((r) => r.json());

const jobId = submitted.data.jobId;

while (true) {
  const job = await fetch(`https://api.e2x.ai/v1/jobs/${jobId}`, { headers })
    .then((r) => r.json());

  if (job.data.status === "completed") {
    console.log(job.data.outputs[0].url);
    break;
  }
  if (job.data.status === "failed") {
    throw new Error(job.data.error?.message || "Generation failed");
  }
  await new Promise((r) => setTimeout(r, 5000));
}

Status berjalan pending → processing → completed, atau berhenti di failed / cancelled. Kirim webhookUrl sebagai gantinya dan kami yang akan menghubungi Anda. Anggarkan sekitar empat menit per job; Google mempublikasikan lantai 11 detik dan langit-langit 6 menit pada jam sibuk, jadi bangunlah untuk langit-langitnya.

Satu jebakan schema: duration dan resolution adalah string. "8", bukan 8.

Memilih di antara endpoint Veo 3.1 Fast kami

Bobot yang sama, harga per detik yang sama, tiga pintu depan berbeda. Input yang sudah Anda miliki yang menentukannya:

Harga tidak akan memutus seri ini, jadi ikuti brief-nya. Kalau klien sudah menyetujui sebuah key visual, mengirimnya sebagai frame awal lebih baik daripada mendeskripsikannya ulang dalam prosa. Kalau enam klip harus terlihat seperti satu kampanye, muat hingga tiga referensi — hanya perlu diingat reference-to-video memaksa 8 detik, tanpa kecuali. Endpoint ini mempertahankan durasi yang lebih pendek, yang menjadikannya cara termurah mengisi storyboard dengan gerak kasar. Sisa yang kami jalankan ada di kategori text-to-video dan di katalog model lengkap.

Prompt yang pantas mendapatkan suaranya

Perlakukan prompt sebagai shot list dengan mix suara terlampir. Empat hal menggerakkan jarum lebih daripada kata sifat:

Sebutkan gerak kameranya. "Wide terkunci", "dolly in lambat", "handheld mengikuti" — model menghormati ini. Framing yang samar memberi Anda gerak yang melayang dan tidak berkomitmen.

Tulis dialog dalam tanda kutip. Baris pendek, satu atau dua per klip. Delapan detik itu tidak lama. Niat yang diparafrasekan ("ia mengatakan sesuatu yang menyemangati") menghasilkan gumaman pengisi.

Minta ambiensnya. Hujan di atap seng, dengung kulkas, lalu lintas kejauhan. Model mengarang lapisan suara kalau Anda tidak menyebutkan satu pun, dan itu bisa jadi tidak cocok dengan editan Anda.

Sebutkan apa yang dilakukan cahayanya. Tengah hari mendung, lampu jalan natrium, satu lampu praktis. Pencahayaan menentukan apakah klip tier Fast terbaca sebagai disengaja atau sekadar render.

Bahasa Inggris didukung sepenuhnya; Google belum mengevaluasi bahasa lain di sini. Tulis dialognya dalam bahasa apa pun yang Anda ingin diucapkan dan harapkan variasi lebih besar di luar bahasa Inggris.

Apa yang perlu diperiksa sebelum Anda merilis

Unduh dalam 48 jam. Google menyimpan file-nya selama dua hari — kalimat mereka adalah Anda harus mengunduh video Anda dalam 2 hari sejak dibuat. Salin setiap output ke bucket Anda sendiri di dalam job yang sama yang membaca outputs[0].url. Tautan CDN bukan arsip.

Setiap frame membawa SynthID. Watermark tak kasatmata milik Google diterapkan pada semua output Veo dan bisa diperiksa di platform verifikasi mereka. Tidak ada yang bisa mematikannya, termasuk kami.

Aturan regional soal manusia. Di UE, Inggris, Swiss, dan MENA, personGeneration dibatasi ke allow_adult.

Pertanyaan yang sering diajukan

Berapa biaya Veo 3.1 Fast text-to-video di E2X?

Kami menagih per detik: $0.01 per detik output, dikalikan 1,5 ketika audio diaktifkan. Klip 720p 8 detik dengan suara adalah $0.12, yang 6 detik $0.09, dan 4 detik $0.06. Resolusi di atas 720p membawa pengalinya sendiri.

Apakah E2X benar-benar sepuluh kali lebih murah daripada fal.ai untuk model ini?

Pada konfigurasi dan tanggal yang kami periksa — 8 detik, 720p, audio aktif, 26 Agustus 2026 — ya: $0.12 di kami melawan $1.20 di sana. Harga daftar kami sendiri tanpa diskon adalah $1.20 yang sama itu. Jaraknya adalah diskon, bukan produk yang berbeda.

Bisakah saya mematikan audionya?

Schema kami memaparkan has_sound dan kami men-default-kannya ke true. Gemini API milik Google sendiri sama sekali tidak menawarkan sakelar mati, jadi audio paling baik diperlakukan sebagai bagian dari jati diri model ini — hal yang sama berlaku di endpoint image-to-video kami. Itu juga alasan di balik pengali harga ×1.5.

Berapa panjang maksimal satu klip yang dihasilkan?

Delapan detik, dalam satu call. Anda bisa meminta 4 atau 6 di endpoint ini, tetapi 1080p dan 4k mensyaratkan 8 detik penuh. Rangkaian yang lebih panjang berarti Anda sendiri yang menjahit beberapa job, atau menjaga tampilannya tetap stabil dengan reference-to-video.

Aspect ratio dan resolusi apa saja yang didukung?

Hanya 16:9 dan 9:16, pada 24fps, dalam 720p, 1080p, atau 4k. Kami men-default ke 16:9 dan 720p. Tidak ada opsi persegi atau 4:5, jadi crop di pascaproduksi kalau Anda membutuhkannya.

Apakah videonya punya watermark?

Ya — setiap output Veo diberi watermark SynthID, penanda provenance tak kasatmata milik Google, dan ia bisa diverifikasi lewat platform mereka. Tidak ada provider yang memaparkan parameter untuk menonaktifkannya.

Berapa lama satu proses generasi berlangsung?

Kami menganggarkan sekitar empat menit per job. Google mempublikasikan minimum 11 detik dan maksimum 6 menit pada jam sibuk, jadi pakailah webhook alih-alih loop polling yang rapat untuk pekerjaan massal.