Googles Veo-Familie von KI-Videomodellen hat sich rasant weiterentwickelt – von Veo 1 im Mai 2024 bis zum aktuellen Veo 3.1, das bereits native 4K-Videos mit 60 fps und synchronisiertem Audio liefert. Nun richten sich alle Augen auf Veo 4, das mit Spannung erwartete Modell der nächsten Generation, dessen Debüt auf der Google I/O 2026 vom 19. bis 20. Mai allgemein erwartet wird.
Veo 4 wurde von Google noch nicht offiziell angekündigt. Aber basierend auf durchgesickerten Informationen (Leaks), Patentanmeldungen und glaubwürdigen Branchenquellen haben wir bereits eine recht genaue Vorstellung davon, was uns erwartet. Dieser Leitfaden behandelt die mutmaßlichen Funktionen, wie Veo 4 auf dem aufbaut, was Veo 3.1 bereits bietet, und wie es im Vergleich zu Konkurrenten wie Runway Gen-4.5 und Kling 3.0 abschneiden könnte.
Was wir bisher über Veo 4 wissen
Veo 4 wird voraussichtlich die vierte Generation der Veo-Text-zu-Video-KI-Modellfamilie von Google DeepMind sein. Obwohl Google noch keine Spezifikationen bestätigt hat, deuten mehrere glaubwürdige Quellen auf verschiedene wahrscheinliche Funktionen hin.
Erwartete Spezifikationen basierend auf Leaks und Branchenanalysen:
- Dauer: Bis zu 30 Sekunden pro Clip (eine Steigerung gegenüber den ~15 Sekunden von Veo 3.1), mit Storyboard-Verkettung für längere Erzählungen.
- Auflösung: Natives 4K (führt die 4K-Unterstützung von Veo 3.1 fort).
- Storyboarding: Native Planung mehrerer Szenen unter Beibehaltung der Charakterkonsistenz über verschiedene Einstellungen hinweg.
- Charakter-Verankerung (Character Anchoring): Deutlich verbesserte Konsistenz von Gesichtern und Kleidung bei Bewegungen und Blickwinkeländerungen.
- Audio: Verbesserte synchronisierte Sprache, Umgebungsgeräusche und Sounddesign (aufbauend auf dem nativen Audio von Veo 3).
- Zero-Shot-Avatare: Generierung eines Videos einer Person anhand eines einzigen Referenzfotos, ohne dass ein Fine-Tuning erforderlich ist.
- Artefakte: Geschätzte 70%ige Reduzierung typischer KI-Video-Artefakte.
- Parameter: Gerüchten zufolge 3-mal so viele Parameter wie Veo 3.
Wichtig: Keine dieser Funktionen wurde bisher von Google bestätigt. Dieser Artikel wird aktualisiert, sobald offizielle Details bekannt gegeben werden.
Wo Veo 3.1 heute steht
Um zu verstehen, was Veo 4 bringen könnte, ist es hilfreich zu wissen, worin das aktuelle Modell, Veo 3.1, bereits brilliert. Veo 3.1 ist ab sofort auf LoveGen AI und über Googles eigene Plattformen verfügbar.
Funktionen von Veo 3.1 (bestätigt):
- Echte 4K-Auflösung (3840x2160) mit bis zu 60 fps – das erste Mainstream-KI-Videomodell mit nativem 4K.
- Natives vertikales 9:16-Videoformat für TikTok und YouTube Shorts.
- Synchronisierte Audio-Generierung einschließlich Dialogen, Umgebungsgeräuschen und Soundeffekten.
- „Ingredients to Video“ (Zutaten für Video) – Nutzung von bis zu 4 Referenzbildern für konsistente Charaktere.
- Szenenerweiterung für Videos, die länger als 1 Minute sind.
- Verfügbar über Google Flow, Gemini, YouTube Shorts und per API über Vertex AI.
- Kostenloser Zugang über Google Vids (bis zu 12 Videos/Tag).
Wenn Sie sofort mit der Erstellung von KI-Videos beginnen möchten, können Sie Veo 3.1 auf LoveGen AI ausprobieren, ohne auf Veo 4 warten zu müssen.
Erwartete neue Funktionen in Veo 4
Basierend auf den Leaks sind hier die Funktionen, die Veo 4 höchstwahrscheinlich ausmachen werden:
Natives Storyboarding
Dies ist die am sehnlichsten erwartete neue Funktion. Aktuelle KI-Videomodelle generieren isolierte Clips. Es wird erwartet, dass Sie mit Veo 4 aufeinanderfolgende Szenen mit unterschiedlichen Prompts, Kamerawinkeln und Aktionen definieren können – während das Modell die Charakter- und visuelle Konsistenz über alle Szenen hinweg beibehält.
Für Filmemacher und Werbetreibende könnte dies den größten Engpass bei KI-Videos beseitigen: das Zusammenfügen isolierter Clips, die optisch nicht zusammenpassen.
30-Sekunden-Cliplänge
Veo 3 generierte 8-Sekunden-Clips. Veo 3.1 erweiterte dies durch die Unterstützung der Szenenerweiterung auf etwa 15 Sekunden. Es wird erwartet, dass Veo 4 die native Generierung auf 30 Sekunden anhebt – genug für eine komplette Social-Media-Anzeige oder eine narrative Szene in einem einzigen Generierungsschritt.
Fortschrittliche Charakter-Verankerung
Dass Gesichter, Kleidung und physische Merkmale bei Bewegungen und Blickwinkeländerungen konsistent bleiben, war bisher eines der schwierigsten Probleme bei KI-Videos. Die Funktion „Ingredients to Video“ von Veo 3.1 ging dieses Problem mit Referenzbildern an. Gerüchten zufolge soll Veo 4 dies jedoch nativ durch eine verbesserte Modellarchitektur bewältigen – ganz ohne Referenzbilder.
Zero-Shot-Video-Avatare
Laden Sie ein Porträtfoto hoch, und Veo 4 generiert Berichten zufolge ein Video, in dem diese Person spricht, sich bewegt und Emotionen zeigt. Im Gegensatz zu aktuellen Ansätzen, die ein Fine-Tuning oder LoRA-Training erfordern, würde dies mit einem einzigen Bild auf Anhieb (One-Shot) funktionieren.
Verbessertes Audio und Lippensynchronität
Veo 3 führte die native Audio-Generierung ein – eine Funktion, die zu diesem Zeitpunkt kein Konkurrent bot. Es wird erwartet, dass Veo 4 dies durch ausdrucksstärkere Sprache, bessere Lippensynchronität über verschiedene Sprachen hinweg und ein mehrschichtiges Sounddesign, das natürlich in Szenenschnitte übergeht, noch weiter verbessert.
Die Evolution von Veo: Von Veo 1 bis Veo 4
| Version | Veröffentlichung | Max. Länge | Auflösung | Audio | Hauptmerkmal |
|---|---|---|---|---|---|
| Veo 1 | Mai 2024 | ~4 Sek. | 1080p | Nein | Erstes Veo-Modell |
| Veo 2 | Dez. 2024 | ~8 Sek. | 4K | Nein | 4K-Unterstützung eingeführt |
| Veo 3 | Mai 2025 | 8 Sek. | 1080p | Ja | Native Audio-Generierung |
| Veo 3.1 | Okt. 2025 | 15+ Sek. | 4K @ 60fps | Ja | 4K + Vertikal + Zutaten (Ingredients) |
| Veo 4 (erwartet) | Mai 2026? | 30 Sek. | 4K | Verbessert | Storyboarding + Avatare |
Wie Veo 4 im Vergleich zur Konkurrenz abschneiden könnte
Die Landschaft der KI-Videogenerierung hat sich Anfang 2026 dramatisch verändert. So vergleichen sich die erwarteten Funktionen von Veo 4 mit dem, was heute verfügbar ist:
| Funktion | Veo 4 (erwartet) | Runway Gen-4.5 | Kling 3.0 | Pika 2.5 |
|---|---|---|---|---|
| Max. Cliplänge | ~30 Sek. | 60 Sek. | 5 Min. | 10 Sek. |
| Auflösung | 4K | 4K | 4K @ 60fps | 1080p |
| Storyboarding | Voraussichtlich nativ | Nicht verfügbar | Multi-Shot-Regie (6 Schnitte) | Nicht verfügbar |
| Audio-Generierung | Voraussichtlich verbessert | Nicht verfügbar | Natives Audio-Sync | Eingeschränkt |
| Charakterkonsistenz | Voraussichtlich exzellent | Gut (Referenzbilder) | Gut (3-Personen-Tracking) | Passabel |
| Startpreis | Noch offen | 12 $/Monat | ~0,07 $/Sek. | 8 $/Monat |
Runway Gen-4.5: Der Marktführer für professionelle Workflows
Runway hat Gen-4.5 im Dezember 2025 zusammen mit seinem General World Model (GWM-1) auf den Markt gebracht. Aktuell führt es bei der Cliplänge mit 60 Sekunden und glänzt in professionellen Postproduktions-Workflows – etwa beim Compositing von KI-Videos über bestehendes Filmmaterial und bei der präzisen Kamera-/Bewegungssteuerung. Im Februar 2026 begann Runway außerdem damit, Drittanbieter-Modelle, darunter Kling 3.0, in seine Plattform zu integrieren.
Kling 3.0: Bestes Preis-Leistungs-Verhältnis und längste Videos
Kling 3.0, das im Februar 2026 von Kuaishou auf den Markt gebracht wurde, generiert Videos mit einer Länge von bis zu 5 Minuten – und übertrifft damit jeden Konkurrenten bei Weitem. Es bietet natives 4K bei 60 fps, Multi-Shot-Regie mit bis zu 6 Kameraschnitten, native Audiosynchronisation und kann bis zu 3 Personen unabhängig voneinander in derselben Szene tracken. Mit ca. 0,07 $/Sekunde ist es auch die kosteneffizienteste Option für Content-Ersteller mit hohem Produktionsvolumen.
Pika 2.5: Geschwindigkeit im Fokus für Social-Media-Inhalte
Pika besetzt die Geschwindigkeitsnische – und generiert 5- bis 10-sekündige Clips in nur 15 bis 30 Sekunden. Mit 8 $/Monat ist es der günstigste Einstiegspunkt für Ersteller, die eine schnelle Iteration für kurze Social-Media-Inhalte anstelle filmischer Qualität benötigen.
Wo Veo 4 punkten könnte
Wenn sich die Leaks bewahrheiten, wären die Unterscheidungsmerkmale von Veo 4 das native Storyboarding (kein Konkurrent bietet dies nativ an), Zero-Shot-Avatare und die tiefste Integration in das Google-Ökosystem (Gemini, YouTube, Google Ads). Für Creator, die bereits im Google-Workflow arbeiten, könnte Veo 4 zur Standardwahl werden.
Was passiert mit Sora?
OpenAIs Sora wird phasenweise abgeschaltet. Die Webversion wurde am 13. März 2026 für US-Nutzer entfernt. Die Sora-App wird am 26. April 2026 eingestellt, und der API-Zugang endet am 24. September 2026.
Die Abschaltung war durch unhaltbare Kosten bedingt – Berichten zufolge rund 1 Mio. $ pro Tag an Rechenleistung –, wobei die Nutzerakzeptanz bei etwa 1 Million ihren Höhepunkt erreichte, bevor sie auf unter 500.000 zurückging. Das Scheitern einer 150-Millionen-Dollar-Partnerschaft mit Disney beschleunigte die Entscheidung. OpenAI weist seine GPU-Ressourcen nun seinen profitableren Produkten für Programmierung und logisches Denken (Reasoning) zu.
Für Creator, die sich auf Sora verlassen haben, sind die Alternativen Veo 3.1 (jetzt verfügbar), Kling 3.0, Runway oder das Warten auf Veo 4. Sie können alle verfügbaren KI-Videomodelle auf LoveGen AI erkunden.
Aktuelle Veo-Preise (Veo 3.1)
Die Preise für Veo 4 wurden noch nicht bekannt gegeben. Hier ist die aktuelle Preisstruktur für Veo 3.1, auf der Veo 4 wahrscheinlich aufbauen oder der es folgen wird:
| Plan | Preis | Was Sie bekommen |
|---|---|---|
| Google Vids (Kostenlos) | 0 $ | Veo 3.1, bis zu 12 Videos/Tag |
| Google AI Pro | 19,99 $/Monat | Erweiterter Zugang und höhere Limits |
| Google AI Ultra | 49,99 $/Monat | Höchste Limits + Prioritätszugang |
| Google AI Studio API | Pay-per-Use | Entwicklerzugang |
| Vertex AI (Enterprise) | Pay-per-Use | SLA-gestützter Unternehmenszugang |
| LoveGen AI | Siehe Pläne | Zugang zu Veo 3.1 + anderen KI-Modellen |
Sie können auch über die Preispläne von LoveGen AI auf Veo 3.1 und andere KI-Videogenerierungsmodelle zugreifen.
Bekannte Einschränkungen, die zu erwarten sind
Selbst mit den erwarteten Verbesserungen werden in Veo 4 bestimmte Herausforderungen bei der KI-Videogenerierung wahrscheinlich bestehen bleiben:
Text-Rendering im Bild
Lesbarer Text innerhalb von Videos – Schilder, Etiketten, Bildschirmtext – bleibt branchenübergreifend eines der schwierigsten Probleme für alle KI-Videomodelle. Gehen Sie davon aus, dass Sie Text-Overlays in der Postproduktion hinzufügen müssen.
Komplexe Choreografien mit mehreren Personen
Komplizierte Bewegungen wie Breakdance, detaillierte Handgesten oder komplexe Gruppenchoreografien führen in der gesamten Branche nach wie vor zu unnatürlichen Ergebnissen. Veo 4 könnte dies verbessern, aber es ist unwahrscheinlich, dass es dieses Problem vollständig löst.
Prompt-Präzision
KI-Videomodelle interpretieren Prompts (Eingabeaufforderungen) manchmal sehr frei. Exakte Kamerapositionen, spezifische Charakterposen und präzise Szenenkompositionen sind schwer zuverlässig zu steuern – obwohl Storyboarding helfen könnte, diese Lücke zu schließen.
Generierungszeit
Die KI-Videogenerierung bleibt rechenintensiv. Während Geschwindigkeitsverbesserungen zu erwarten sind, liegt die Echtzeit-Videogenerierung noch in weiter Ferne.
So bereiten Sie sich auf Veo 4 vor
Während Sie auf die offizielle Ankündigung warten, können Sie sich wie folgt vorbereiten:
Fangen Sie jetzt mit Veo 3.1 an
Der beste Weg, sich auf Veo 4 vorzubereiten, ist, jetzt Erfahrungen mit Veo 3.1 zu sammeln. Die Fähigkeiten beim Schreiben von Prompts, das Verständnis für die Stärken und Schwächen von KI-Videos und die Workflow-Integration lassen sich direkt übertragen. Probieren Sie es auf LoveGen AI aus.
Lernen Sie effektives Prompting
KI-Video-Prompts profitieren von Spezifität. Anstatt „eine Frau geht in einer Stadt“ zu schreiben, versuchen Sie: „Eine Frau in einem marineblauen Trenchcoat geht in der Abenddämmerung eine regennasse Straße in Tokio entlang. Neonschilder spiegeln sich in Pfützen. Kamera folgt auf Augenhöhe, geringe Schärfentiefe.“
Verwenden Sie filmografische Fachbegriffe, die die Modelle verstehen: Dolly In (Kamerafahrt nach vorne), Tracking Shot (Verfolgungsfahrt), Crane Shot (Kranfahrt), Handheld (Handkamera), Close-up Rack Focus (Nahaufnahme mit Fokusverlagerung). Definieren Sie die Beleuchtung explizit: „Gegenlicht zur Goldenen Stunde“, „hartes Leuchtstoffröhren-Licht von oben“, „kerzenbeleuchtete warme Töne“.
Erkunden Sie andere KI-Video-Tools
Der Markt ist hart umkämpft. Probieren Sie verschiedene Modelle aus, um ihre Stärken zu verstehen:
- Veo 3.1 für 4K-Videos mit integriertem Audio
- Kling 3.0 für längere Clips und Kosteneffizienz
- Seedance 2 für kreative Bewegungseffekte
- Bild-zu-Video-Tools, um Ihre bestehenden Bilder in Videos umzuwandeln
Entdecken Sie alle verfügbaren Optionen auf unserer Seite für KI-Videomodelle.
Kombinieren Sie Video mit KI-Bildern
KI-Video- und KI-Bildgenerierung lassen sich hervorragend kombinieren. Generieren Sie zunächst Charakter-Referenzbilder mit Tools wie Nano Banana Pro oder Imagen 4, und verwenden Sie diese dann als Eingaben für die Videogenerierung mit der „Ingredients to Video“-Funktion in Veo 3.1. Dieser Workflow wird mit Veo 4 wahrscheinlich noch mächtiger werden.
Durchsuchen Sie alle KI-Bildmodelle, um die beste Lösung für Ihre Referenzbild-Anforderungen zu finden.
Was Sie auf der Google I/O 2026 erwarten können
Die Google I/O 2026 findet vom 19. bis 20. Mai statt. Basierend auf vergangenen Mustern können Sie Folgendes erwarten:
- Die offizielle Ankündigung von Veo 4 mit Funktions-Demos und Preisen
- Details zur Integration in Gemini, YouTube, Google Ads und Flow
- Den Zeitplan für die API-Verfügbarkeit für Entwickler auf Vertex AI und AI Studio
- Vergleichs-Demos, die Veo 4 gegenüber der Konkurrenz positionieren
Wir werden diesen Artikel mit den bestätigten Informationen aktualisieren, sobald Google die offizielle Ankündigung macht. Abonnieren Sie den LoveGen AI-Blog, um benachrichtigt zu werden.