Análisis de Google Veo 3: clips cortos de vídeo con IA y con sonido

Actualización, 23 de octubre de 2026: Veo 3 ha quedado superado. Google cerró los modelos Veo 3 en la API de Gemini el 30 de junio de 2026 y las vistas previas de Veo 3.1 el 22 de octubre, y la aplicación Gemini usa ahora Gemini Omni Flash; Veo 3.1 sigue disponible en Google Cloud. Consulta nuestro análisis de Veo 3.1.

Qué es

Veo 3 es el modelo de generación de vídeo de Google, creado por DeepMind y anunciado en Google I/O 2025. Le das un prompt de texto o una imagen y devuelve un clip corto con sonido: diálogo, ruido ambiente y música, con los movimientos de los labios sincronizados con el habla.

Vive dentro de los propios productos de Google, así que si ya pagas Gemini es la herramienta de vídeo que tienes más a mano.

Qué hace

• Texto e imagen a vídeo. Un prompt como "un samurái caminando por un callejón de Tokio iluminado con neones" se convierte en un plano terminado.
• Sonido generado junto con la imagen: habla, ruido ambiente, música y sincronización labial.
• Salida en Full HD y 4K, un claro avance frente a los clips blandos y de baja resolución de los modelos de vídeo anteriores.
• Los personajes y escenarios se mantienen coherentes de una escena a otra, algo que importa cuando montas varios planos juntos.
• Sigue indicaciones sobre movimiento de cámara, composición e iluminación.
• Flow, el editor de vídeo de Google, te permite colocar clips en una línea de tiempo, ajustar trayectorias de cámara y unir planos sin Adobe Premiere ni formación en edición.

Quién lo usa

• Equipos de marketing que hacen promociones cortas en 4K sin pagar a una agencia.
• Creadores de TikTok e Instagram que quieren rapidez y resultados vistosos.
• Empresas en Google Workspace que hacen vídeos explicativos para formación en lugar de presentaciones de diapositivas.
• Directores que lo usan para storyboards y previsualización antes de un rodaje, lo que ahorra tiempo y dinero.
• Artistas que prueban ideas surrealistas y estilizadas.

Lo que funciona

La imagen es lo bastante buena como para verla sin tener que excusarla, y el sonido llega con el vídeo en lugar de añadirse después. El habla, la música e incluso los acentos se generan junto con las imágenes, casi siempre correctamente.

Flow cubre lo básico de la edición, así que puedes controlar ángulos de cámara, transiciones y estilo artístico sin aprender antes un editor de vídeo.

La pega: los clips llegan como máximo a unos 8 a 20 segundos, así que es una herramienta para planos, no para episodios. El acceso completo estaba limitado a Estados Unidos en el lanzamiento. Las voces salen a veces con un acento que no has pedido. A Flow le faltan herramientas de postproducción más avanzadas. Y el plan Ultra cuesta 249,99 $ al mes, así que los vídeos tienen que amortizarse.

Veo 3 frente a OpenAI Sora

Característica	Google Veo 3	OpenAI Sora
Audio	Sí (sincronización labial, música, efectos de sonido)	No
Calidad visual	4K, cinematográfica	De moderada a alta
Manejo de prompts	Narrativa compleja	Mejor con prompts cortos
Herramientas de edición	Editor Flow	Herramientas integradas básicas
Disponibilidad	Solo Estados Unidos (aplicación Gemini)	Global (usuarios de Plus y Pro)
Coste	249,99 $ al mes (Ultra)	De 20 $ a 200 $ al mes

Veo 3 va por delante en audio, narrativa con varias escenas y calidad de imagen. Sora responde con vídeos más largos y una disponibilidad más amplia.

Nuestra opinión: Veo 3 era la mejor opción para un clip corto y pulido con sonido, siempre que vivieras en Estados Unidos y pudieras justificar la suscripción Ultra. Con poco presupuesto, o solo para experimentar, Veo 2 o Sora de OpenAI tenían más sentido.