Google Veo 3 im Test: kurze KI-Videoclips mit Ton

Update, 23. Oktober 2026: Veo 3 ist abgelöst. Google hat die Veo-3-Modelle in der Gemini API am 30. Juni 2026 abgeschaltet und die Previews von Veo 3.1 am 22. Oktober, und die Gemini-App nutzt jetzt Gemini Omni Flash; Veo 3.1 bleibt auf Google Cloud verfügbar. Siehe unseren Testbericht zu Veo 3.1.

Was es ist

Veo 3 ist Googles Modell zur Videogenerierung, gebaut von DeepMind und auf der Google I/O 2025 angekündigt. Du gibst ihm einen Text-Prompt oder ein Bild, und es liefert einen kurzen Clip mit Ton: Dialog, Umgebungsgeräusche und Musik, mit Lippenbewegungen passend zur Sprache.

Es steckt in Googles eigenen Produkten; wenn du schon für Gemini bezahlst, ist es also das nächstliegende Videotool.

Was es kann

• Text und Bild zu Video. Ein Prompt wie „ein Samurai, der durch eine neonbeleuchtete Gasse in Tokio geht“ wird zu einer fertigen Einstellung.
• Ton, der mit dem Bild erzeugt wird: Sprache, Umgebungsgeräusche, Musik und Lippensynchronität.
• Ausgabe in Full HD und 4K, ein deutlicher Schritt über die weichen, niedrig aufgelösten Clips früherer Videomodelle hinaus.
• Figuren und Schauplätze bleiben von Szene zu Szene konsistent, was zählt, wenn du mehrere Einstellungen zusammenschneidest.
• Es folgt Anweisungen zu Kamerabewegung, Bildaufbau und Licht.
• Flow, Googles Videoeditor, lässt dich Clips auf einer Zeitleiste anordnen, Kamerafahrten anpassen und Einstellungen verbinden, ohne Adobe Premiere und ohne Schnittausbildung.

Wer es nutzt

• Marketingteams, die kurze 4K-Promos machen, ohne eine Agentur zu bezahlen.
• Creator auf TikTok und Instagram, die schnelle Ergebnisse wollen, die gut aussehen.
• Unternehmen auf Google Workspace, die Erklärvideos für Schulungen statt Foliensätzen machen.
• Regisseure, die es vor einem Dreh für Storyboards und Previsualisierung nutzen, was Zeit und Geld spart.
• Künstler, die surreale und stilisierte Ideen ausprobieren.

Was funktioniert

Das Bild ist gut genug, um es ohne Entschuldigung anzusehen, und der Ton kommt mit dem Video, statt nachträglich hinzugefügt zu werden. Sprache, Musik und sogar Akzente werden zusammen mit dem Bild erzeugt, meist korrekt.

Flow erledigt die Schnittgrundlagen, sodass du Kamerawinkel, Übergänge und Kunststil steuern kannst, ohne zuerst einen Videoeditor zu lernen.

Der Haken: Clips sind höchstens etwa 8 bis 20 Sekunden lang, das ist also ein Werkzeug für Einstellungen, nicht für Folgen. Voller Zugang war zum Start auf die USA beschränkt. Stimmen kommen manchmal mit einem Akzent heraus, um den du nicht gebeten hast. Flow fehlen fortgeschrittenere Werkzeuge für die Postproduktion. Und der Ultra-Tarif kostet 249,99 $ im Monat, die Videos müssen sich also bezahlt machen.

Veo 3 gegen OpenAI Sora

Merkmal	Google Veo 3	OpenAI Sora
Audio	Ja (Lippensynchronität, Musik, Soundeffekte)	Nein
Bildqualität	4K, filmisch	Mittel bis hoch
Umgang mit Prompts	Komplexes Erzählen	Am besten für kurze Prompts
Bearbeitungswerkzeuge	Flow-Editor	Einfache eingebaute Werkzeuge
Verfügbarkeit	Nur USA (Gemini-App)	Weltweit (Nutzer von Plus und Pro)
Kosten	249,99 $ im Monat (Ultra)	20 bis 200 $ im Monat

Veo 3 liegt bei Audio, Erzählen über mehrere Szenen und Bildqualität vorn. Sora hält mit längeren Videos und breiterer Verfügbarkeit dagegen.

Unser Fazit: Veo 3 war die bessere Wahl für einen kurzen, ausgefeilten Clip mit Ton, sofern du in den USA lebtest und das Ultra-Abo rechtfertigen konntest. Mit kleinem Budget oder zum bloßen Experimentieren waren Veo 2 oder Sora von OpenAI sinnvoller.