Ich habe Google Veo 3 getestet und hier ist meine ehrliche Bewertung
Als Content-Autor bei Manus gehört das Testen neuer AI-Tools im Grunde zur Stellenbeschreibung. Als Google Veo 3 veröffentlicht wurde, verlor das Internet kollektiv den Verstand über die Demos. Realistische sprechende Köpfe, synchronisierter Ton, filmische Visuals – alles aus einem einzigen Text-Prompt. Ich habe genug AI-Hype-Zyklen gesehen, um zu wissen, dass Demos kuratiert sind und die Ergebnisse in der realen Welt eine ganz andere Geschichte erzählen.
Also habe ich beschlossen, etwas Zeit damit zu verbringen, Google Veo 3 tatsächlich zu nutzen, es mit vier verschiedenen Prompts an seine Grenzen zu bringen und alles ehrlich zu dokumentieren.
Dies ist keine Zusammenfassung von Googles Marketingmaterialien. Dies ist ein praktischer Testbericht zu Google Veo 3 basierend auf meinen echten Erfahrungen, einschließlich der Teile, die mich beeindruckt haben, der Teile, die mich frustriert haben, und der Teile, die einfach überhaupt nicht funktioniert haben. Am Ende dieses Artikels wissen Sie genau, worin Veo 3 gut ist, wo es Schwächen hat, ob es den Preis wert ist und wie es im Vergleich zur Konkurrenz abschneidet.
Was ist Google Veo 3? (Und was ist neu in Veo 3.1?)
Google Veo 3 ist ein fortschrittliches AI-Videogenerierungsmodell, das hochwertige Videoclips aus einem einzigen Text-Prompt erstellt. Es unterstützt synchronisierten Dialog, Umgebungsgeräusche und Hintergrundmusik – alles aus einem einzigen Prompt – und hat sich schnell einen Ruf für die Produktion einiger der realistischsten AI-generierten sprechenden Köpfe erarbeitet.
Veo 3 wurde erstmals auf der Google I/O Mitte 2025 angekündigt und wurde schnell zu einem der meistdiskutierten AI-Videogeneratoren des Jahres. Das jüngste Update, Veo 3.1, brachte bedeutende Verbesserungen: bessere Stabilität, genauere Lippen-Synchronisation, konsistentere Charaktergenerierung und Upscaling auf 1080p und 4K. Es ist über einige Google-Produkte zugänglich – Google Flow, ein professionelles Filmemacher-Tool für die Bearbeitung und Sequenzierung längerer, komplexerer Szenen, und Google Whisk, ein experimentelles Tool, das sich auf die schnelle Bild-zu-Video-Generierung und kurze Clips konzentriert. Für diesen Test habe ich die Gemini-App verwendet, wo ich einfach das Tool „Video erstellen“ ausgewählt und alle vier Prompts von dort aus ausgeführt habe.
Mein praktischer Testprozess
Um dies richtig zu testen, wollte ich nicht einfach einfache Prompts eingeben und es dabei belassen. Ich habe Manus gebeten, mir bei der Gestaltung von vier spezifischen Prompts zu helfen, um verschiedene Fähigkeiten zu bewerten: Dialog und Lippen-Synchronisation, filmische Atmosphäre, Produktkonsistenz und schnelle Action. So lief der Prozess tatsächlich ab.
Wie ich Zugang erhalten habe (und wie Sie es auch können)
Zugang zu Veo 3 zu bekommen, ist ehrlich gesagt anfangs etwas verwirrend, und ich denke, es lohnt sich, dies zu erklären, da es ein häufiger Schmerzpunkt ist.
Ich begann mit dem kostenlosen Konto. Die Benutzeroberfläche ist ziemlich generisch, ähnlich wie bei anderen AI-Tools, mit einem Eingabefeld für Prompts und einigen auswählbaren Tools. Es war keine Option zur Videogenerierung sichtbar. Ich habe trotzdem meinen ersten Prompt eingegeben, nur um zu sehen, was passieren würde.
Was ich zurückbekam, war ein Bild, kein Video. Das Bild war tatsächlich beeindruckend und passte gut zum Prompt, aber es war eindeutig nicht das, was ich angefordert hatte. Ich habe dann versucht, Gemini ausdrücklich zu bitten, ein Video für mich zu erstellen, in der Annahme, dass es vielleicht meine Absicht falsch verstanden hatte. Die Antwort, die ich erhielt, war: „Ich kann dieses Video heute für Sie erstellen, wenn Sie Ihr Abonnement upgraden.“
Also habe ich mir die kostenpflichtigen Pläne angesehen.
Hier ist die aktuelle Übersicht darüber, was jeder Plan für die Videogenerierung bietet:
Plan | Monatlicher Preis | AI-Credits | Veo 3.1-Zugang |
Kostenlos | $0 | 50 tägliche Credits | Begrenzter Zugang zu Flow, Animate und Bildgenerierung |
Google AI Plus | $7,99/Monat | 200 monatliche Credits | Mehr Zugang zu Flow und Bild-zu-Video-Generierung auf Whisk |
Google AI Pro | $19,99/Monat | 1.000 monatliche Credits | Höherer Zugang zu Flow und Whisk |
Google AI Ultra | $249,99/Monat | 25.000 monatliche Credits | Höchster Zugang zu Flow und Whisk |
Die Formulierungen der Pläne sind vage. Google AI Plus sagt „mehr Zugang zur Bild-zu-Video-Erstellung mit Veo 3“ und Google AI Pro sagt „höherer Zugang“. Nicht gerade eindeutig, was man tatsächlich bekommt. Ich habe mich zuerst für Google AI Plus entschieden, da es die nächste Stufe war und schien, als würde es ausreichen. Bezahlt, abonniert und los geht's! Mit dem Plus-Plan konnte ich die zusätzliche Option „Video erstellen“ sehen, die zuvor im kostenlosen Plan nicht verfügbar war.
Die 4 Prompts, die ich verwendet habe, um Veo 3 an seine Grenzen zu bringen
Hier sind die vier Prompts, die ich zusammengestellt habe, um verschiedene Aspekte von Veo 3s Fähigkeiten zu testen:
1.Der Dialog- & Lippen-Synchronisationstest – Um die Kernfunktion der nativen Audiofunktion mit synchronisiertem Dialog zu bewerten.
2.Der filmische & atmosphärische Test – Um zu beurteilen, wie gut es komplexe visuelle Stile und Kameraführung umsetzt.
3.Der Produkt- & Objektkonsistenztest – Um zu überprüfen, ob es saubere, professionelle Produktvideos erstellen kann.
4.Der Action- & Bewegungstest – Um zu sehen, wie es mit schnellen Bewegungen, dynamischer Kameraführung und geschichteten Audioeffekten umgeht.
Die Ergebnisse: 4 Veo 3 Video-Beispiele (Das Gute, das Schlechte und das Fehlerhafte)
Prompt #1: Der Dialog- & Lippen-Synchronisationstest
Verwendeter Prompt: "Medium Close-Up-Aufnahme einer weiblichen Historikerin in ihren 40ern, mit Brille, die in einer warm beleuchteten Bibliothek sitzt. Sie schaut direkt in die Kamera und spricht mit einem nachdenklichen und fesselnden Ton. Sie sagt: 'Was die meisten Menschen nicht über das Römische Reich wissen, ist, dass sein Zusammenbruch kein einzelnes Ereignis war, sondern ein langsames, komplexes Entwirren über Jahrhunderte.' Umgebungsgeräusche: das leise Rascheln von umgeblätterten Seiten und das sanfte Summen der Bibliotheksklimaanlage. Stil: Dokumentarisches Interview, aufgenommen mit einer hochwertigen Digitalkamera."
Meine Erfahrung: Okay, ich war von diesem wirklich beeindruckt. Der Prozess war reibungslos, und das Video war in wenigen Minuten fertig. Wahre Geschichte: Während es generiert wurde, habe ich zu anderen Tabs gewechselt, um andere Dinge zu erledigen. Als ich zurückkam und das Ergebnis sah, dachte ich tatsächlich, dass ein zufälliges Werbevideo auf meinem Bildschirm aufgetaucht sei. Es sah so realistisch aus. Die Historikerin, die Beleuchtung, der Ton… alles war perfekt. Sie sprach mit natürlichen Betonungen, Pausen und Nachdruck. Ihre Gesichtsausdrücke und Handgesten? Perfekt. Es war wirklich dokumentarisch-interviewwürdig.
Das Einzige, was ein bisschen störend war, waren die aggressiven Staubpartikel, die im Sonnenlicht schwebten, was etwas ablenkend war. Und obwohl ich nach Umgebungsgeräuschen in der Bibliothek gefragt hatte, gab mir das Modell stattdessen eine subtile Hintergrundmusik. Aber ehrlich gesagt? Es war eine kluge Entscheidung. Die Musik passte perfekt zum dokumentarischen Stil, vielleicht sogar besser als das, was ich angefordert hatte. Was für ein Start!
Was mir gefiel | Was mir nicht gefiel |
Unglaublich realistischer und natürlicher Charakter | Staubpartikel im Sonnenlicht waren etwas ablenkend |
Perfekte Lippen-Synchronisation mit natürlichen Sprachbetonungen | Spezifische Anfrage nach Umgebungsgeräuschen ignoriert (aber gute Entscheidung getroffen) |
Hat den dokumentarischen Interviewstil perfekt eingefangen | |
Prompt #2: Der filmische & atmosphärische Test
Verwendeter Prompt: "Dolly-Aufnahme, die sich langsam rückwärts bewegt und einen einsamen Astronauten auf dem Grat eines Kraters auf dem Mars enthüllt. Der Himmel ist staubig, rötlich-orange mit zwei kleinen sichtbaren Monden. Die Landschaft ist verlassen und still. Stil: Epische Science-Fiction, 4K, Weitwinkelobjektiv, extrem detailliert, ehrfurchtgebietende und melancholische Stimmung."
Meine Erfahrung: Dieses war… eine gemischte Sache. Das erste, was mir auffiel, war die Reflexion im Helm des Astronauten. Ich hatte um eine schwache Reflexion der Erde gebeten, aber was ich bekam, war ein seltsamer, verzerrter Ausschnitt eines Männergesichts. Es sah völlig falsch aus, wie ein bizarrer Fehler, bei dem die Transparenz- und Dimensionsebenen alle falsch waren. Sollte das das Gesicht des Astronauten sein? Wer weiß! Es sah einfach aufgeklebt aus.
Alles andere war nicht schlecht. Der Anzug, der Krater, die Kamerabewegung, alles solide. Die Details von Staub und Sandnebel waren tatsächlich super realistisch. Aber der Prompt verlangte nach zwei kleinen Monden, und am Himmel waren drei unterschiedlich große Planeten zu sehen. Es ist schade um das verzerrte Gesicht, denn ohne dieses wäre es beeindruckend gewesen. Mit AI-Videogenerierung gewinnt man manchmal, manchmal verliert man. Das Modell fügte eine Sonne, Sterne und bewegenden Nebel hinzu, was funktionierte. Das zusätzliche Gesicht und der Planet? Nicht so sehr.
Was mir gefiel | Was mir nicht gefiel |
Gute Umsetzung der Dolly-Kamerabewegung | Großer Fehler mit dem verzerrten Gesicht in der Helmreflexion |
Realistische Details von Staub und Sandnebel | Hat die Anweisung "zwei Monde" nicht befolgt |
Hat die verlassene, epische Sci-Fi-Stimmung gut eingefangen | Der Anzug des Astronauten hatte einige fehlende Details |
Prompt #3: Der Produkt- & Objektkonsistenztest
Verwendeter Prompt: "Drehtelleraufnahme einer hochwertigen, wunderschön gestalteten Keramik-Teekanne. Die Teekanne ist minimalistisch mattweiß und steht auf einer schlichten, hellgrauen Oberfläche. Die Kamera dreht sich langsam 360 Grad um die Teekanne. Stil: Sauberer Produktwerbespot, Studio-Beleuchtung, weiche Schatten, Makroobjektiv, extrem scharfer Fokus, keine Hintergrundablenkungen."
Meine Erfahrung: Dieses war einfach… okay. Nicht besonders beeindruckend. Das Modell gab mir die grundlegendste, wörtlichste Interpretation des Prompts. Ich hatte um eine "hochwertige, wunderschön gestaltete" Teekanne gebeten, und es gab mir eine schlichte, traditionell aussehende Keramikkanne. Der Kamerawinkel war korrekt, aber die Oberfläche war weiß statt des von mir angegebenen hellgrauen Tons. Wie kann es bei einem so einfachen Prompt falsch liegen?
Was mich wirklich störte, war der Fokus. Ich hatte ausdrücklich um "extrem scharfen Fokus" gebeten, aber die Teekanne war unscharf, mit unsauberen Kanten, als ob sie Teil des Hintergrunds wäre. Für einen Produktwerbespot ergibt das keinen Sinn. Noch schlimmer war, dass der Griff der Teekanne während der Drehung aus dem Bild geschnitten wurde. Das Modell konnte nicht einmal das eine und einzige Objekt im Bild vollständig sichtbar halten. Für eine Produktdemo ist das ein großer Fehler.
Was mir gefiel | Was mir nicht gefiel |
Korrekte Kamerawinkel- und Drehbewegung | Teekannendesign war schlicht und uninspiriert |
Hintergrund- und Beleuchtungssetup war größtenteils korrekt | Video war unscharf und nicht fokussiert |
Die 360-Grad-Drehung war flüssig | Das Produkt wurde während der Drehung abgeschnitten |
Prompt #4: Der Action- & Bewegungstest
Verwendeter Prompt: "Handheld-POV-Aufnahme von jemandem, der durch einen belebten, lebendigen Nachtmarkt in Bangkok rennt. Die Kamera wackelt, während sie sich zwischen Menschen und Essensständen hindurchbewegt. Dampf steigt aus Woks auf, und bunte Laternen hängen darüber. SFX: ein Kakophonie von Marktsounds – Menschen reden, Essen brutzelt, entfernte Musik. Der Läufer schaut gelegentlich über die Schulter und atmet schwer. Stil: Gritty-Actionfilm, realistisch, immersiv, leicht verschwommene Bewegung."
Meine Erfahrung: Das war überhaupt nicht das, was ich erwartet hatte, und zwar in keiner guten Weise. Das Video begann mit einer Figur, die "Aus dem Weg!" rief, und einem zufälligen Schlaggeräusch, was es sofort in eine aggressive Fluchtszene verwandelte, die ich nie angefordert hatte. Der Markt war belebt, aber etwas war sehr seltsam. Alle standen in perfekt geraden, ordentlichen Reihen, und niemand bewegte sich. Haben Sie jemals einen belebten Markt gesehen, der so aussieht? Es war völlig unnatürlich.
Der Läufer schaute nie einmal über die Schulter, eine spezifische Aktion, die ich angefordert hatte. Auch der Ton war ein Chaos. Das einzige Geräusch, das richtig war, war das schwere Atmen des Läufers. Die restlichen Marktsounds waren zu entfernt und leise, obwohl sie eine nahe und immersive Kakophonie sein sollten. Die Schilder waren eine Mischung aus Thai und Chinesisch, was es wie einen generischen "asiatischen Markt" wirken ließ, anstatt spezifisch Bangkok. Dieses Video schrie einfach "AI-generiert".
Was mir gefiel | Was mir nicht gefiel |
Der Atemsound des Läufers war realistisch | Unerwünschte Dialoge und Soundeffekte wurden hinzugefügt |
Das Gefühl der Handkamera war einigermaßen vorhanden | Die Menge war statisch und völlig unrealistisch |
Die Beleuchtung und Farben des Marktes waren lebendig | Die Umgebung fühlte sich generisch an, nicht spezifisch für Bangkok |
Das Feature, das alles verändert: Nativer Ton & Lippen-Synchronisation
Trotz der inkonsistenten Ergebnisse meiner vier Tests hebt der Erfolg von Prompt #1 wirklich hervor, warum Veo 3 so viel Aufmerksamkeit erhält. Die Qualität der Lippen-Synchronisation ist dort, wo es wirklich glänzt. Wenn es funktioniert, wie in meinem Historiker-Test, ist das Ergebnis so überzeugend, dass man es für echtes Filmmaterial halten könnte. Das Modell passt nicht nur Mundbewegungen an Wörter an; es generiert natürliche Sprachmuster mit Betonungen, Pausen und Nachdruck. Es trifft auch kreative Entscheidungen über Audio, wie die Wahl von Hintergrundmusik anstelle von Umgebungsgeräuschen, wenn es der Szene besser dient. Diese Art von kontextueller Audiointelligenz macht den Unterschied zwischen einem Clip, der AI-generiert aussieht, und einem, der tatsächlich überzeugt.
Die nervigen Teile: Tägliche Limits, langsames Rendering und seltsame Fehler
Hier muss ich ehrlich über die Frustrationen sprechen, denn es gab einige.
Die täglichen Generierungslimits waren ein echtes Problem. Nach der Erstellung von nur zwei Videos im Google AI Plus-Plan stieß ich an eine Grenze. Diese Nachricht erschien.
Hier wird die vage Sprache "mehr Zugang" und "höherer Zugang" auf den Planseiten zu einem echten Problem. Ich musste erneut auf Google AI Pro upgraden, um mit meinen Tests fortzufahren. Das sind zwei kostenpflichtige Upgrades, nur um vier Prompts auszuführen.
Und dann gibt es die Fehler. Das verzerrte Gesicht in der Helmreflexion des Astronauten, der zusätzliche Planet am Himmel, die hinzugefügten Dialoge in der Bangkok-Marktszene. Dies sind die Arten von visuellen und Audio-Artefakten, die ein ansonsten beeindruckendes Ergebnis völlig unbrauchbar machen können, wenn man auf Realismus aus ist. Veo 3s Einschränkungen wie diese sollte man im Hinterkopf behalten, bevor man sich für einen kostenpflichtigen Plan entscheidet.
Ist Google Veo 3 den Preis wert? Mein ehrliches Urteil
Nach diesen Testreihen komme ich zu folgendem Schluss, ob Google Veo 3 es wert ist.
Für dialoglastige Inhalte, insbesondere sprechende Köpfe, dokumentarische Interviews oder jede Szene, in der eine Figur direkt zur Kamera spricht, ist Veo 3 eines der besten derzeit verfügbaren Tools. Die Qualität der Lippen-Synchronisation und der natürlichen Sprachgenerierung ist wirklich beeindruckend und schwer zu übertreffen. Wenn das Ihr Hauptanwendungsfall ist, ist der Google AI Pro-Plan für 19,99 $ im Monat eine vernünftige Investition.
Für alles andere ist es eher ein Glücksspiel. Der Produkttest war enttäuschend, die Actionszene war ein Chaos, und der filmische Test hatte einen Fehler, der das Ergebnis unbrauchbar machte. Die täglichen Limits sind frustrierend, insbesondere bei den niedrigeren Plänen, und die Renderzeiten verlangsamen den Prozess. Wenn Sie ein Einzelanwender sind, der mit AI-Video experimentiert, lohnt es sich, es auszuprobieren. Wenn Sie ein Agentur- oder Produktionsteam sind, das konsistente, zuverlässige Ergebnisse in großem Maßstab benötigt, könnten die Einschränkungen die Vorteile derzeit überwiegen.
Das Fazit: Veo 3 ist unter den richtigen Bedingungen wirklich beeindruckend, aber es ist noch nicht der zuverlässige, universelle Videogenerator, den die Demos suggerieren. Es ist ein leistungsstarkes Tool mit einem spezifischen Sweet Spot, und diesen Sweet Spot vor dem Abonnieren zu kennen, erspart Ihnen viel Frustration.
Wie Manus Ihren AI-Video-Workflow verbessern kann
Clips zu generieren ist nur ein Teil des Prozesses. Ein fertiges Videoprojekt erfordert das Brainstorming von Ideen, das Schreiben von Skripten und Prompts, die Organisation von Assets und die Erstellung des umgebenden Inhalts – der Blogbeiträge, Social-Media-Untertitel und Videobeschreibungen, die dafür sorgen, dass Ihr Inhalt gesehen wird. Hier kommt Manus ins Spiel.
Ich habe Manus während des gesamten Testprozesses verwendet: um meinen Testansatz zu planen, die vier Prompts zu strukturieren und meine Notizen und Erkenntnisse in etwas Kohärentes zu konsolidieren, bevor ich schrieb. Ein Tool zu haben, das Ihnen hilft, Ihre Gedanken zu organisieren, bevor Sie Worte auf die Seite bringen, macht einen echten Unterschied, besonders wenn Sie mehrere Testergebnisse jonglieren und versuchen, sie fair zu vergleichen. Wenn Sie einen Video-Content-Workflow aufbauen, lohnt es sich, einen AI-Agenten für die umgebende Arbeit an Ihrer Seite zu haben. Sie können Manus kostenlos unter manus.im ausprobieren.
Häufig gestellte Fragen
Wie kann ich Zugang zu Google Veo 3 erhalten?
Sie können auf Google Veo 3 über die Gemini-App zugreifen, indem Sie eines der kostenpflichtigen AI-Pläne von Google abonnieren. Der Google AI Plus-Plan (7,99 $/Monat) bietet begrenzten Zugang, während der Google AI Pro-Plan (19,99 $/Monat) die Videogenerierung mit Veo 3.1 Fast freischaltet. Voller Zugang mit den höchsten Limits ist im Google AI Ultra-Plan (249,99 $/Monat) verfügbar.
Gibt es eine kostenlose Version von Google Veo 3?
Es gibt keine dedizierte kostenlose Version von Veo 3. Der kostenlose Google AI-Plan hat sehr begrenzten Zugang und unterstützt keine direkte Videogenerierung über die Gemini-App. Kostenlose Nutzer können möglicherweise begrenzten Zugang über Google Flow haben, aber für praktische Videogenerierung benötigen Sie einen kostenpflichtigen Plan.
Was sind die Einschränkungen von Google Veo 3?
Die Hauptbeschränkungen von Veo 3 umfassen tägliche Generierungslimits (auch bei kostenpflichtigen Plänen), langsame Renderzeiten von etwa 3-5 Minuten pro Clip, eine maximale Videolänge von 8 Sekunden, gelegentliche visuelle Fehler und Inkonsistenzen sowie Schwierigkeiten mit komplexen Szenen mit mehreren Elementen. Objektkonsistenz in Produktaufnahmen und Charakterverhalten in Actionszenen sind ebenfalls Bereiche, in denen es Schwächen gibt.
Kann Google Veo 3 Videos länger als 8 Sekunden erstellen?
Nein, die aktuelle Version von Google Veo 3 generiert Clips von bis zu 8 Sekunden Länge. Für längere Inhalte müssten Sie mehrere Clips generieren und diese in einem Tool wie Google Flow oder einem Standard-Videobearbeitungsprogramm zusammenfügen.
Ist Google Veo 3 besser als OpenAI's Sora?
Das hängt davon ab, was Sie benötigen. Veo 3 hat einen klaren Vorteil bei Dialog- und Lippen-Synchronisationsrealismus und ist daher die bessere Wahl für sprechende Köpfe oder interviewartige Inhalte. Sora 2 schneidet im Allgemeinen besser bei längeren Erzählsequenzen ab und zeigt konsistenteres Charakterverhalten bei komplexen Prompts. Für die meisten Nutzer hängt die Wahl von Ihrem primären Anwendungsfall ab.