Veo 3 Fast auf eroq – die Video-Engine mit eigenem Ton

Sechs der sieben Video-Engines auf eroq liefern einen stummen Clip. Veo 3 Fast liefert einen Clip mit Ton – Atmosphäre, Effekte und Dialog, zusammen mit dem Bild gerendert. Sie ist die einzige Engine im Angebot, die das kann, und das verändert, wie du den Prompt schreibst. Der Rest der Spezifikation ist starr: genau 8 Sekunden, 720p oder 1080p, 216 Credits pro Clip, ab dem Creator-Plan, vorgelagert vom Anbieter moderiert. In diesem Leitfaden geht es vor allem ums Schreiben.

Was „nativer Ton“ bedeutet

Nativ heißt: Die Tonspur wird zusammen mit dem Bild erzeugt, aus demselben Prompt, im selben Render. Es wird keine Bibliothek mit Stock-Sounds nachträglich unter das Video gelegt, und es gibt keinen separaten Audio-Schritt, den du bezahlen musst. Du beschreibst eine Einstellung und bekommst die Einstellung samt ihrem Klang.

Drei Ebenen kommen zurück:

• Atmosphäre – der Raumklang. Regen, Verkehr, eine Menschenmenge, Wind, das Summen eines Kühlschranks.
• Effekte – Geräusche, die an etwas gebunden sind, das im Bild passiert. Eine Tür, Schritte, quietschende Bremsen, ein Glas, das abgestellt wird.
• Dialog – eine gesprochene Zeile einer Person im Bild.

Eine Grenze, klar gesagt: eroq bietet keine Lip-Sync-Funktion. Dialog bei Veo 3 Fast ist eine Zeile, die die Engine innerhalb der Einstellung spielt, kein Werkzeug, um eine aufgenommene Stimme an ein Gesicht anzupassen. Halte die Zeilen kurz und behandle das Ergebnis als gerenderten Take.

Die Zahlen

• Länge: 8 Sekunden, fest. Nicht 5, nicht 10.
• Auflösung: 720p oder 1080p.
• Preis: 216 Credits pro Clip, etwa $2.16 mit dem Einstiegspaket, bei dem ein Credit ungefähr einen Cent kostet.
• Formate: 16:9, 9:16, 1:1.
• Modi: Text-zu-Video und Bild-zu-Video.
• Plan: ab Creator ($49, 6.000 Credits).
• Inhalte: vorgelagert vom Anbieter moderiert; ein abgelehnter Prompt liefert content_blocked zurück und kostet nichts. Lehnt der Anbieter ab, ist Motion One – die eigene unzensierte Engine von eroq, auf jedem Konto – die Alternative.

Ein Creator-Monat reicht für etwa 23 Veo-Clips, wenn du ihn für nichts anderes ausgibst. Fehlgeschlagene Renders werden automatisch erstattet, und ungenutzte Credits werden übertragen.

Für den Ton schreiben

Die visuelle Hälfte des Prompts folgt demselben Muster wie bei jeder Engine auf eroq: ein fließender Absatz – Motiv, Bewegung, Kamera, Licht, Stimmung –, 30 bis 80 Wörter. Dann fügst du den Ton hinzu, und die nützliche Gewohnheit ist, ihn als zweiten, kürzeren Satz ans Ende zu schreiben, in derselben Reihenfolge wie die Ebenen oben.

Zuerst die Atmosphäre. Nenn den Raum und wie er klingt. „Gleichmäßiger Regen auf einem Bahnsteigdach.“ „Leises Stimmengewirr und eine Espressomaschine.“ Ein oder zwei Elemente – ein 8-Sekunden-Clip fasst keine ganze Klanglandschaft.

Effekte, die an Handlungen hängen, die du schon geschrieben hast. Steht im visuellen Teil „die Türen öffnen sich zischend“, kann der Tonsatz sagen: „der Türgong und ihre Schritte auf nassem Beton“. Ton ohne sichtbare Ursache neigt dazu, herumzuirren; Ton, der auf einer Handlung sitzt, sitzt meistens auch.

Dialog in Anführungszeichen, mit Sprecher. Eine Zeile, unter zehn Wörtern, und wer sie sagt. Acht Sekunden sind eine Zeile, vielleicht zwei. Schreib die Zeile so, wie die Figur sie sagen würde, nicht so, wie ein Drehbuch sie zusammenfasst.

Stille ist eine Entscheidung. Willst du keinen Dialog, lass den Mund einer Person im Prompt nicht untätig – gib ihr etwas zu tun. Willst du einen stillen Raum, schreib „still“ und nenn das eine Geräusch, das da ist.

Was du weglassen solltest: Musik. Die Engine rendert, was in der Szene ist; willst du einen Score, ist das ein Schritt für den Schnitt danach. Und stapel keine Adjektive auf den Ton („epischer, filmischer, immersiver Sound“) – nenn stattdessen Quellen.

Beispiel-Prompts

Atmosphäre und Effekte, kein Dialog, 16:9:

Ein Nachtzug fährt an einem regennassen Bahnsteig ein, die Bremsen quietschen, die Türen öffnen sich zischend, und eine einzelne Passagierin steigt unter den gelben Bahnhofslampen aus und zieht ihren Mantel gegen den Wind zu. Statische Einstellung vom anderen Ende des Bahnsteigs, der ganze Bahnsteig im Bild, Neon-Noir-Farbpalette, ruhig und einsam. Dazu gleichmäßiger Regen auf dem Bahnsteigdach, das Quietschen der Bremsen, der Türgong und ihre Schritte auf nassem Beton.

Einstellungen: 8 s, 16:9, 1080p, Kamerabewegung „Statisch“, Licht „Practicals“, Farbpalette „Neon-Noir“.

Eine Dialogzeile, 9:16:

Eine Barista in einem kleinen, ruhigen Café schiebt einer Kundin eine Tasse über den Tresen, wirft einen Blick auf den Regen draußen und sagt: „Schon der dritte heute, und es ist noch nicht mal Mittag.“ Nahaufnahme am Tresen, weiches Kreuzlicht, warme Filmpalette, sanft und trocken. Dazu das Zischen einer Espressomaschine, leises Stimmengewirr und Regen gegen das Fenster.

Einstellungen: 8 s, 9:16, Kamerabewegung „Nahaufnahme“, Licht „Weiches Kreuzlicht“, Farbpalette „Warmer Film“.

Beide Prompts setzen den Tonsatz ans Ende und binden jeden Effekt an etwas Sichtbares. Das ist die ganze Methode.

Wofür Veo passt

Acht Sekunden mit Ton sind ein ganz bestimmtes Format, und ein paar Aufgaben passen genau hinein:

• Werbung. Der Modus „Werbung“ im Tool „Video“ bringt Vorlagen wie „UGC-Testimonial“ mit, für TikTok/Reels in 9:16, den Feed in 1:1 und YouTube/Web in 16:9. Ein Testimonial ist eine Person, eine Zeile, Raumklang – mit anderen Worten: ein 8-Sekunden-Clip von Veo. Der Werbegenerator ist genau darauf ausgelegt, und UGC-Ads sind der naheliegende Einsatz.
• Szenen in einem Film. Der Filmmodus baut ein Storyboard Szene für Szene auf, bis zu 12, und jede wird gerendert, sobald du sie hinzufügst. Eine Veo-Szene bringt ihren eigenen Ton in den zusammengesetzten Player mit. Die API-Seite dazu ist /docs/films.
• Produktmomente. Eine Flasche, die geöffnet wird, ein Reißverschluss, der zugezogen wird, ein Laptop, der zuklappt – Handlungen mit einem typischen Geräusch.

Wofür sie nicht passt: alles, was nicht 8 Sekunden lang ist, alles, was einen Seed oder einen Endframe braucht, und alles, was ihr Anbieter ablehnt. Für lange oder präzise gesteuerte Einstellungen ist Seedance 2.5 die richtige Engine – /compare/seedance-vs-veo-3 zeigt den direkten Vergleich. Die Engine-Seite unter /models/veo-3-fast hat die aktuelle Spezifikation.

Häufige Fragen

Erzeugt Veo 3 Fast auf eroq Ton?

Ja. Sie ist die einzige Engine im Angebot, die eine Tonspur – Atmosphäre, Effekte und Dialog – zusammen mit dem Bild rendert, aus demselben Prompt.

Wie lang ist ein Clip mit Veo 3 Fast?

Genau 8 Sekunden. Kürzer oder länger geht mit dieser Engine nicht; für andere Längen wähl eine andere Engine aus dem Angebot.

Was kostet ein Clip mit Veo 3 Fast?

216 Credits pro 8-Sekunden-Clip, etwa $2.16 mit dem Einstiegspaket. Freigeschaltet ist sie ab dem Creator-Plan, und fehlgeschlagene Renders werden automatisch erstattet.

Schreib die Einstellung, füg den Tonsatz hinzu und render sie – /studio/video.