Mixer AI
Veo 3.1
Una escena breve donde imagen y sonido se piensan juntos, desde el roce de la ropa hasta una frase del personaje.
Cuándo elegirlo
Veo 3.1 sirve para un momento completo: revelar un producto, mostrar una reacción o crear una toma de ambiente. Puedes planear el sonido desde el principio, en lugar de añadirlo después para arreglar el video. Una acción sencilla y sonidos concretos aportan más que una larga lista de adjetivos sobre la calidad.
- Una sola descripción puede reunir acción, cámara, diálogo y sonidos del entorno.
- Los fotogramas inicial y final ayudan a definir una transición; las referencias muestran por separado una persona o un producto.
Modos y ajustes
- Lite, Fast y Quality tienen precios propios. Prueba la idea con una opción accesible y compara otra versión usando la misma descripción.
- Desde texto no necesitas imágenes. Por fotogramas usa una imagen inicial y una final opcional. Por referencias admite 1–3 fotos de personajes, productos o entorno.
- En Mixer AI los clips nuevos se generan en 720p o 1080p y duran 4, 6 u 8 segundos. El modo por referencias usa 8 segundos.
- Extender un clip y obtener una versión 4K son operaciones posteriores independientes, no mejoras gratuitas del primer intento.
Precio en monedas
| Versión | Calidad / tamaño | Entrada | Duración | Monedas / generación |
|---|---|---|---|---|
| Lite | 720p | Texto o imágenes | 4 s | 20 |
| Lite | 720p | Texto o imágenes | 6 s | 20 |
| Lite | 720p | Texto o imágenes | 8 s | 20 |
| Lite | 1080p | Texto o imágenes | 4 s | 23 |
| Lite | 1080p | Texto o imágenes | 6 s | 23 |
| Lite | 1080p | Texto o imágenes | 8 s | 23 |
| Fast | 720p | Texto o imágenes | 4 s | 38 |
| Fast | 720p | Texto o imágenes | 6 s | 38 |
| Fast | 720p | Texto o imágenes | 8 s | 38 |
| Fast | 1080p | Texto o imágenes | 4 s | 41 |
| Fast | 1080p | Texto o imágenes | 6 s | 41 |
| Fast | 1080p | Texto o imágenes | 8 s | 41 |
| Quality | 720p | Texto o imágenes | 4 s | 151 |
| Quality | 720p | Texto o imágenes | 6 s | 151 |
| Quality | 720p | Texto o imágenes | 8 s | 151 |
| Quality | 1080p | Texto o imágenes | 4 s | 154 |
| Quality | 1080p | Texto o imágenes | 6 s | 154 |
| Quality | 1080p | Texto o imágenes | 8 s | 154 |
Las monedas son unidades del saldo de Mixer AI. La tabla muestra una solicitud base sin variantes extra. Varios resultados y nuevos intentos pueden aumentar el total; revísalo antes de generar.
La tabla corresponde a clips nuevos. Extender un resultado u obtener después una versión 4K son operaciones separadas con su propio precio en la interfaz. El modo por referencias usa 8 segundos.
Qué puedes crear
- Publicidad de producto con sonidos reconocibles: una tapa, hielo en un vaso o papel al abrirse.
- Un diálogo breve o una toma de ambiente para integrar en una edición.
Cómo pedir el resultado
- Plantea un cambio principal: cómo empieza la escena y qué debe verse al terminar. Dale a la cámara un movimiento claro.
- Describe el sonido en una frase aparte. Escribe el diálogo exacto e identifica a quien habla; unos segundos no alcanzan para un monólogo largo.
Ejemplo: toma de producto con sonido
6 segundos. Primer plano de una botella de vidrio con té frío sobre una mesa de madera. Una mano desenrosca lentamente la tapa; se ven gotas sobre el vidrio. Cámara fija, luz suave de una ventana a la derecha. Se oye el clic de la tapa y un ambiente lejano de calle. Sin voces ni música.
Qué tener en cuenta
- Revisa los letreros y la pronunciación por separado de la calidad visual.
- Dos fotogramas demasiado distintos pueden dar una transformación extraña en vez de una transición creíble.
Fuentes
- Precios y disponibilidad — catálogo Mixer AI, actualizado 2026-09-18.
- Sitio oficial del creador: Google DeepMind
Datos del modelo verificados: 2026-09-20.
Guías y comparaciones con este modelo
Preguntas frecuentes
¿Con qué versión conviene empezar?
Compara el precio de Lite y Fast para probar la composición. Prueba Quality cuando la escena ya esté clara; pagar más no resuelve instrucciones contradictorias.
¿Fotogramas y referencias cumplen la misma función?
Los fotogramas inicial y final definen los extremos del clip. Las referencias muestran el aspecto de un personaje, producto o entorno, pero no tienen que convertirse en el primer fotograma.
¿Por qué no puedo elegir 4 segundos con referencias?
En esta integración, el modo por referencias usa 8 segundos. Las opciones de 4 y 6 segundos corresponden a otros modos.
¿Puedo generar directamente en 4K?
La generación inicial de Veo en Mixer AI usa 720p o 1080p. Obtener 4K es una operación separada sobre un resultado terminado y tiene su propio cálculo de precio.
¿Cómo dejo solo los sonidos de la escena?
Enumera lo que quieres oír y excluye expresamente música y voces: por ejemplo, lluvia contra el vidrio y pasos. Aun con una descripción clara, escucha el resultado completo.
¿Sirve para una historia larga?
Divídela en escenas cortas y completas con referencias compartidas. La extensión ayuda a continuar una toma lograda, pero no sustituye la edición ni la revisión de continuidad.
¿De qué depende el precio?
Depende de la versión, la calidad y el modo. La tabla muestra el precio de una generación con esos ajustes. Los resultados extra, los nuevos intentos y las entradas con cargo pueden aumentar el total.
¿Necesito una suscripción al modelo?
No. En Mixer AI recargas un saldo en monedas y lo usas para las tareas que necesites. No hace falta contratar una suscripción aparte para este modelo.