Veo 3.1 廣東話配音：官方限制同替代工作流（2026）

一句答你：Veo 3.1 可以出有聲影片，但官方明講英文以外語言未評估，粵語對白可能得，但唔穩。要控制廣東話讀音，最實際係 Veo 出畫面，粵語 TTS 出聲，再對嘴。

Key Takeaways

• Veo 3.1 原生帶聲，片長 4、6 或 8 秒，最高 4K（8 秒限定）。
• 官方語言限制寫明：英文完全支援，其他語言未評估，效果可能不穩。
• 2026 年 10 月 22 日，Gemini API 嘅 Veo 3.1 preview 已關閉，要遷移到 Gemini Omni Flash 或 Enterprise GA 型號。
• 粵語最穩陣：Veo 出畫面，TTS 出聲，對嘴工具同步。
• 8 秒限制令 Veo 更適合單鏡頭、廣告、氛圍片，唔適合長對白。

重點摘要：Veo 3.1 嘅強項係電影感同環境聲，唔係多語言對白。你唔應該當佢係粵語配音工具。

Veo 3.1 係咩？先睇規格

Veo 3.1 係 Google DeepMind 嘅影片生成模型，原生帶聲。你可以用文字、圖片或者影片做輸入。

原生音頻 係指模型喺生成畫面嘅同時，直接生成對白、環境聲同音效，唔需要另配聲軌。

以上引自 Google AI for Developers 嘅 Veo 文件（Google AI, 2026）。

佢強喺邊？

• 電影感：光影、鏡頭、物理感都係第一梯隊。
• 環境聲：風聲、雨聲、街道聲， contextual 生成。
• 參考圖：最多三張，可以控制角色、物件、風格。
• 延長：可以將 8 秒片延伸到過百秒。

佢唔強喺邊？

• 多語言對白：官方自己講，英文以外未評估。
• 長對白：8 秒一段，講唔到長篇。
• 粵語讀音：冇保證。

官方語言限制：英文以外未評估

Google 嘅 Veo 文件有一句好關鍵：

Language support: English (EN) is fully supported, but other languages have not been evaluated, so they may work but results can vary.

即係話：英文有保證，其他語言「可能得，但效果會變」。

呢句同「支援粵語」係兩件事。你可以試，但唔應該當成生產級保證。

【獨家觀察】2026 年 10 月，我哋對照 Google、Kling 同 Seedance 嘅官方文件，發現只有 Kling 明確把「粵語」列入方言表；Veo 只講英文 fully supported；Seedance 講方言有提升但冇逐個列。呢個差異，直接影響你應該用邊個工具做粵語對白。

2026 年 10 月：API 遷移要注意

Google 文件同時講，Gemini API 嘅 Veo 3.1 preview 已經喺 2026 年 10 月 22 日關閉，要遷移到 Gemini Omni Flash（gemini-omni-1.1-flash）或者 Enterprise Agent Platform 嘅 GA 型號（Google AI, 2026）。

呢個對開發者好重要：

• 你嘅舊 code 如果 call veo-3.1-generate-preview，可能已經失效。
• 新項目應該用 GA 型號或者 Omni Flash。
• 功能同價格可能同 preview 唔同。

如果你只係用 Gemini App 或 Flow，唔一定受影響；但 API 用戶要查清楚。

三條粵語路，點揀？

延長功能 係指將一段已完成嘅 Veo 影片，再接一段新片，最長可以累積到約 148 秒。

路線一：Veo native audio

用提示詞寫對白，叫 Veo 生成。

優點：快，一條 prompt 有畫面有聲。 缺點：粵語讀音唔穩，品牌名易錯。

適合：氛圍片、單句對白、唔需要逐字準確嘅內容。例如一句「走啦，唔好等」，模型通常應付得嚟；但一段產品介紹就唔好博。

路線二：Veo 出畫面，TTS 出聲

Veo 只負責畫面。你另外用粵語 TTS 出聲軌，再用對嘴工具同步。

優點：讀音、語速、聲線可控。 缺點：多兩步。

適合：品牌片、產品 demo、廣告。例如 30 秒產品片，畫面可以分四段 Veo 出，聲軌一次過用 TTS 生成。

路線三：混合

Veo 出畫面同環境聲，對白另外配。環境聲保留，人聲換走。

優點：保留 Veo 嘅氛圍，同時控制粵語。 缺點：要處理音軌混合。

適合：有場景感嘅故事片。

想睇對嘴工具，可以睇《AI Lip Sync 廣東話指南》；想睇整體工具地圖，就睇《AI 影片廣東話配音指南》。

五步工作流：Veo 畫面＋粵語聲

第一步：寫分鏡

8 秒一段，每段一個鏡頭。唔好塞太多動作。

參考圖 係指你上載嘅圖片，用嚟控制角色、物件或者風格。Veo 3.1 最多收三張。

第二步：出參考圖

用 Nano Banana 或自己拍嘅圖，控制角色同場景。想睇 Nano Banana，可以睇《Nano Banana 廣東話短片工作流》。

第三步：生成無對白版本

提示詞寫清楚「no dialogue」，只保留環境聲。咁樣你之後換聲會乾淨啲。

第四步：出粵語聲軌

用專用粵語 TTS 生成。逐句核讀音。

第五步：對嘴同剪接

用 Kling Lip Sync、HeyGen 或 King AI 對嘴。最後用 CapCut 剪接。

Veo、Seedance、Kling 點比？

如果你最重視「電影片感」，Veo 仍然係首選。如果你最重視「粵語對白」，Kling 或者 TTS＋對嘴會穩陣啲。

五個中伏位

一、以為「原生音頻」等於「識講粵語」

原生音頻只代表模型會出聲，唔代表每種語言都準。

二、用 8 秒片講長對白

8 秒講唔到 50 個字。對白要短，或者分鏡。

三、忽略 API 遷移

舊 preview 型號可能已關。新項目要用 GA 或 Omni Flash。

四、背景聲蓋過人聲

Veo 嘅環境聲好靚，但會蓋過對白。後期要混音。

五、品牌名讀錯

品牌名、產品型號、英文縮寫，最好用 TTS＋對嘴，唔好靠模型即場生成。

資料來源同方法說明

本文由港嘢內容團隊撰寫，經編輯覆核。Veo 3.1 嘅片長、解像度、參考圖、延長限制、語言支援同 API 遷移，均引自 Google 官方文件（查閱日期 2026-10-31）。本文冇對 Veo 粵語對白做獨立測試；模型功能同可用性可能改動。

對嘴技術背景，可參考 LatentSync 論文（arXiv, 2024）。

主要來源：

• Google AI：Veo 3.1 文件
• Google Cloud：Veo 3.1 模型頁
• Google DeepMind：Veo
• Google Cloud：Veo 3.1 prompting guide
• LatentSync 論文

常見問題 FAQ

Veo 3.1 識講廣東話嗎？

官方講英文完全支援，其他語言未評估。粵語可能出到，但效果會變，唔應該當成保證。

Veo 3.1 一條片最長幾多秒？

原生 4、6 或 8 秒。可以用延長功能，每次 7 秒，最多 20 次。

Veo 3.1 API 仲可以用嗎？

Gemini API 嘅 preview 型號已於 2026-10-22 關閉。要用 GA 型號或者 Gemini Omni Flash。

點樣用 Veo 出粵語片？

最穩陣：Veo 出無對白畫面，粵語 TTS 出聲，對嘴工具同步。

Veo 同 Kling，邊個粵語好？

Kling 官方列明粵語方言；Veo 官方只保證英文。以官方文件計，Kling 嘅粵語承諾較明確。

Veo 出嘅片可以商用嗎？

要睇你嘅 Google 方案同素材授權。Veo 影片有 SynthID 水印；品牌名、肖像、音樂要另外清。

想試廣東話聲軌？

你可以先去 港嘢 playground 出 10 秒粵語聲，再用 Veo 出畫面。聲畫分開做，控制權最大。

想睇 Kling，可以睇《Kling AI 廣東話對嘴指南》；想睇 Seedance，就睇《Seedance 廣東話配音指南》。

關於港嘢：我哋專做香港廣東話語音。有查詢可以聯絡我們，或者睇關於港嘢。