Ich habe Google Veo 3 getestet und hier ist meine ehrliche Bewertung
Als Content-Autor bei Manus gehört das Testen neuer KI-Tools quasi zur Stellenbeschreibung. Als Google Veo 3 veröffentlicht wurde, verlor das Internet kollektiv den Verstand wegen der Demos. Realistische sprechende Köpfe, synchronisierter Ton, filmische Bilder – alles aus einem einzigen Textprompt. Ich habe genug KI-Hype-Zyklen erlebt, um zu wissen, dass Demos kuratiert sind und reale Ergebnisse eine ganz andere Geschichte erzählen.
Also beschloss ich, einige 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 eine praxisnahe Google Veo 3-Bewertung, die auf meiner realen Erfahrung basiert, 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 wirst du genau wissen, wofür Veo 3 gut ist, wo es versagt, ob es den Preis wert ist und wie es sich im Vergleich zur Konkurrenz schlägt.
Was ist Google Veo 3? (Und was ist neu in Veo 3.1?)
Google Veo 3 ist ein fortschrittliches KI-Videogenerierungsmodell, das hochwertige Videoclips aus einem einzigen Textprompt erstellt. Es unterstützt synchronisierte Dialoge, Umgebungsgeräusche und Hintergrundmusik – alles aus einem Prompt – und hat sich schnell einen Ruf dafür aufgebaut, einige der realistischsten KI-generierten Aufnahmen von sprechenden Köpfen zu produzieren.
Veo 3 wurde erstmals auf der Google I/O Mitte 2025 angekündigt und entwickelte sich schnell zu einem der meistdiskutierten KI-Videogeneratoren des Jahres. Das jüngste Update, Veo 3.1, brachte bedeutsame Verbesserungen: bessere Stabilität, genauere Lippensynchronisation, konsistentere Charaktergenerierung und Upscaling auf 1080p und 4K. Es ist über einige Google-Produkte zugänglich – Google Flow, ein professionelles Filmemacher-Tool, das für das Bearbeiten und Sequenzieren längerer, komplexerer Szenen entwickelt wurde, und Google Whisk, ein experimentelles Tool mit Fokus auf schneller Bild-zu-Video-Generierung und kurzen Clips. Für diese Bewertung habe ich über die Gemini-App getestet, wo ich einfach die Tool-Option „Video erstellen" auswählte und alle vier Prompts von dort aus ausführte.
Mein praktischer Testprozess
Um diesem Test gerecht zu werden, wollte ich nicht einfach simple Prompts hineinwerfen und damit Schluss machen. Ich bat Manus, mir zu helfen, vier spezifische Prompts zu entwerfen, um verschiedene Fähigkeiten zu bewerten: Dialog und Lippensynchronisation, filmische Atmosphäre, Produktkonsistenz und rasante Action. So lief der Prozess tatsächlich ab.
Wie ich Zugang erhielt (und wie du es auch kannst)
Ehrlich gesagt ist es anfangs etwas verwirrend, Zugang zu Veo 3 zu bekommen, und ich denke, es lohnt sich, das durchzugehen, weil es ein häufiger Schmerzpunkt ist.
Ich begann mit dem kostenlosen Konto. Die Oberfläche ist ziemlich generisch, ähnlich wie bei anderen KI-Tools, mit einem Prompt-Feld und einigen Tool-Optionen zur Auswahl. Es gab nirgendwo eine sichtbare Option zur Videogenerierung. Ich versuchte trotzdem, meinen ersten Prompt einzugeben, 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, worum ich gebeten hatte. Ich bat Gemini dann ausdrücklich, ein Video für mich zu erstellen, in der Annahme, dass es vielleicht meine Absicht nur falsch verstanden hatte. Die Antwort, die ich erhielt, lautete: „Ich kann dir dieses Video heute erstellen, wenn du dein Abonnement upgradest."
Also sah ich mir die kostenpflichtigen Pläne an.
Hier ist die aktuelle Aufschlüsselung dessen, was jeder Plan für die Videogenerierung bietet:
Plan | Monatlicher Preis | KI-Credits | Veo 3.1 Zugriff |
Free | 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 Formulierung bei den Plänen ist vage. Google AI Plus sagt „mehr Zugang zur Bild-zu-Video-Erstellung mit Veo 3" und Google AI Pro sagt „höherer Zugang". Nicht gerade glasklar, was man tatsächlich bekommt. Ich entschied mich zuerst für Google AI Plus, da es die nächste Stufe war und ausreichend schien. 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, mit denen ich die Grenzen von Veo 3 getestet habe
Hier sind die vier Prompts, die ich zusammengestellt habe, um verschiedene Aspekte der Fähigkeiten von Veo 3 zu testen:
1.Der Dialog- & Lippensynchronisations-Test — Zur Bewertung der zentralen nativen Audiofunktion mit synchronisiertem Dialog.
2.Der filmische & atmosphärische Test — Zur Einschätzung, wie gut es mit komplexen visuellen Stilen und Kameraführung umgeht.
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 Kameraarbeit und geschichtetem Audio umgeht.
Die Ergebnisse: 4 Veo 3-Videobeispiele (Das Gute, das Schlechte und das Fehlerhafte)
Prompt Nr. 1: Der Dialog- & Lippensynchronisations-Test
Verwendeter Prompt: „Medium Close-up-Aufnahme einer Historikerin in ihren 40ern, mit Brille, die in einer warm beleuchteten Bibliothek sitzt. Sie schaut direkt in die Kamera und spricht mit nachdenklichem und fesselndem Tonfall. Sie sagt: ‚Was die meisten Menschen über das Römische Reich nicht erkennen, ist, dass sein Zusammenbruch kein einzelnes Ereignis war, sondern eine langsame, komplexe Auflösung über Jahrhunderte.‘ Umgebungsgeräusche: das leise Rascheln umblätternder Seiten und das sanfte Summen der Bibliotheksklimaanlage. Stil: Dokumentarisches Interview, aufgenommen mit einer hochwertigen Digitalkamera."
Meine Erfahrung: Okay, ich war davon wirklich umgehauen. Der Prozess verlief reibungslos und das Video war in Minuten fertig. Wahre Geschichte: Während es generiert wurde, wechselte ich die Tabs, um andere Dinge zu tun. Als ich zurückkam und die Ausgabe sah, dachte ich tatsächlich, eine zufällige Werbung sei auf meinem Bildschirm aufgepoppt. Es sah so realistisch aus. Die Historikerin, die Beleuchtung, der Ton … alles war perfekt getroffen. Sie sprach mit natürlichen Betonungen, Pausen und Akzentuierungen. Ihre Gesichtsausdrücke und Handgesten? Punktgenau. Es war wirklich dokumentationswürdig.
Die einzigen Dinge, die etwas unpassend wirkten, waren die aggressiven Staubpartikel, die im Sonnenlicht schwebten – sie waren etwas ablenkend. Und obwohl ich um Bibliotheks-Umgebungsgeräusche gebeten hatte, gab mir das Modell stattdessen einen subtilen Hintergrundmusik-Track. Aber ehrlich? Es war eine kluge Entscheidung. Die Musik passte perfekt zum Dokumentarstil, vielleicht sogar besser als das, worum ich gebeten hatte. Was für ein Start!
Was mir gefallen hat | Was mir nicht gefallen hat |
Unglaublich realistischer und natürlich aussehender Charakter | Staubpartikel im Sonnenlicht waren etwas ablenkend |
Perfekte Lippensynchronisation mit natürlichen Sprachbetonungen | Ignorierte die spezifische Anforderung für Umgebungsgeräusche (aber traf eine gute Wahl) |
Erfasste den Stil des dokumentarischen Interviews perfekt | |
Prompt Nr. 2: Der filmische & atmosphärische Test
Verwendeter Prompt: „Dolly-Aufnahme, die sich langsam rückwärts bewegt und einen einsamen Astronauten zeigt, der auf dem Grat eines Kraters auf dem Mars steht. Der Himmel ist staubig rötlich-orange mit zwei kleinen sichtbaren Monden. Trostlos und still. Stil: Epische Science-Fiction, 4K, Weitwinkelobjektiv, extrem detailliert, ehrfurchtgebietende und melancholische Stimmung."
Meine Erfahrung: Dieser war … ein zwiespältiges Ergebnis. 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 Splitter eines Männergesichts. Es sah völlig deplatziert aus, wie ein bizarrer Glitch, bei dem die Transparenzebenen und Dimensionen alle falsch waren. Sollte das das eigene 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 zwei kleine Monde, und der Himmel zeigte, was wie drei verschieden große Planeten aussah. Schade um das fehlerhafte Gesicht, denn ohne es wäre dies beeindruckend gewesen. Bei der KI-Videogenerierung gewinnt man mal, man verliert mal. Das Modell fügte eine Sonne, Sterne und sich bewegenden Nebel hinzu, was funktionierte. Das zusätzliche Gesicht und der Planet? Nicht so sehr.
Was mir gefallen hat | Was mir nicht gefallen hat |
Gute Umsetzung der Dolly-Kamerabewegung | Großer Glitch mit dem verzerrten Gesicht in der Helmreflexion |
Realistische Staub- und Sandnebel-Details | Befolgte nicht die Anweisung „zwei Monde" |
Erfasste die trostlose, epische Sci-Fi-Stimmung gut | Dem Anzug des Astronauten fehlten einige feine Details |
Prompt Nr. 3: Der Produkt- & Objektkonsistenztest
Verwendeter Prompt: „Drehtelleraufnahme einer hochwertigen, schön gestalteten Keramikteekanne. Die Teekanne ist in minimalistischem matten Weiß und steht auf einer schlichten, hellgrauen Oberfläche. Die Kamera rotiert langsam 360 Grad um die Teekanne. Stil: Sauberer Produktwerbespot, Studiobeleuchtung, weiche Schatten, Makroobjektiv, extrem scharfer Fokus, keine Hintergrundablenkungen."
Meine Erfahrung: Dieser war einfach … in Ordnung. Nicht besonders beeindruckend. Das Modell lieferte mir die einfachste, wörtlichste Interpretation des Prompts. Ich bat um eine „hochwertige, schön gestaltete" Teekanne, und es gab mir eine schlichte, traditionell aussehende Keramikkanne. Der Kamerawinkel war richtig, aber die Oberfläche war weiß statt des hellgrauen Tons, den ich angegeben hatte. Wie kann das bei so einem einfachen Prompt falsch werden?
Was mich wirklich störte, war der Fokus. Ich bat ausdrücklich um „extrem scharfen Fokus", aber die Teekanne war unscharf, mit unsauberen Kanten, als wäre sie Teil des Hintergrunds. Für einen Produktwerbespot macht das keinen Sinn. Zu allem Überfluss wurde der Griff, als die Teekanne sich drehte, direkt aus dem Bildausschnitt herausgeschnitten. Das Modell konnte nicht einmal das einzige Objekt in der Aufnahme vollständig sichtbar halten. Für eine Produktdemo ist das ein riesiger Misserfolg.
Was mir gefallen hat | Was mir nicht gefallen hat |
Korrekter Kamerawinkel und Rotationsbewegung | Teekannendesign war schlicht und uninspiriert |
Hintergrund- und Beleuchtungsaufbau waren größtenteils korrekt | Video war unscharf und außerhalb des Fokus |
Die 360-Grad-Rotation war flüssig | Das Produkt wurde während der Rotation abgeschnitten |
Prompt Nr. 4: Der Action- & Bewegungstest
Verwendeter Prompt: „Handkamera-POV-Aufnahme von jemandem, der durch einen überfüllten, lebendigen Nachtmarkt in Bangkok läuft. Die Kamera wackelt, während sie zwischen Menschen und Essensständen hindurchweben. Dampf steigt aus Woks auf und bunte Laternen hängen oben. SFX: eine Kakophonie von Marktgeräuschen – Menschen reden, Essen brutzelt, ferne Musik. Der Läufer wirft gelegentlich einen Blick über seine Schulter und atmet schwer. Stil: Rauer Actionfilm, realistisch, immersiv, leicht verschwommene Bewegung."
Meine Erfahrung: Das war nicht das, was ich erwartet hatte, und überhaupt nicht im guten Sinne. Das Video begann mit einem Charakter, der „Aus dem Weg!" rief, und einem zufälligen Boxgeräusch-Effekt, was es sofort in eine aggressive Fluchtszene verwandelte, um die ich nie gebeten hatte. Der Markt war überfüllt, aber etwas war sehr seltsam. Alle standen in perfekt geraden, ordentlichen Reihen, und niemand bewegte sich. Hast du jemals einen geschäftigen Markt gesehen, der so aussieht? Es war völlig unnatürlich.
Der Läufer warf nicht einmal einen Blick über seine Schulter, eine spezifische Aktion, um die ich gebeten hatte. Auch der Ton war ein Chaos. Das einzige Geräusch, das stimmte, war der schwere Atem des Läufers. Der Rest der Marktgeräusche war zu weit entfernt und leise, obwohl sie eine nahe und immersive Kakophonie hätten sein sollen. Die Schilder waren eine Mischung aus Thailändisch und Chinesisch, was es wie einen generischen „asiatischen Markt" wirken ließ, statt speziell Bangkok. Dieser hier schrie förmlich „KI-generiert".
Was mir gefallen hat | Was mir nicht gefallen hat |
Das Atemgeräusch des Läufers war realistisch | Unerwünschter Dialog und Soundeffekte wurden hinzugefügt |
Das Handkamera-Gefühl war einigermaßen vorhanden | Die Menge war statisch und völlig unrealistisch |
Die Beleuchtung und Farben des Marktes waren lebendig | Die Kulisse wirkte generisch, nicht spezifisch für Bangkok |
Die Funktion, die alles verändert: Natives Audio & Lippensynchronisation
Trotz der inkonsistenten Ergebnisse in meinen vier Tests hebt der Erfolg von Prompt Nr. 1 wirklich hervor, warum Veo 3 so viel Aufmerksamkeit erhält. Die Qualität der Lippensynchronisation ist der Bereich, in dem es wirklich glänzt. Wenn es funktioniert, wie bei meinem Historiker-Test, ist das Ergebnis überzeugend genug, um es mit echtem Filmmaterial zu verwechseln. Das Modell passt nicht nur Mundbewegungen an Wörter an; es erzeugt natürliche Sprachmuster mit Betonungen, Pausen und Akzentuierungen. Es trifft auch kreative Entscheidungen bezüglich des Audios, wie die Wahl von Hintergrundmusik statt Umgebungsgeräuschen, wenn es der Szene besser dient. Diese Art von kontextueller Audio-Intelligenz macht den Unterschied zwischen einem Clip, der KI-generiert aussieht, und einem, der tatsächlich überzeugt.
Die nervigen Teile: Tägliche Limits, langsames Rendering und seltsame Glitches
Hier muss ich ehrlich über die Frustrationen sein, denn es gab einige.
Die täglichen Generierungslimits waren ein echtes Problem. Nach der Erstellung von nur zwei Videos mit dem Google AI Plus-Plan stieß ich an eine Wand. Diese Nachricht erschien.
Hier wird die vage Formulierung „mehr Zugang" und „höherer Zugang" auf den Planseiten zu einem echten Problem. Ich musste erneut auf Google AI Pro upgraden, um meine Tests fortzusetzen. Das sind zwei bezahlte Upgrades, nur um vier Prompts auszuführen.
Und dann gibt es die Glitches. Das verzerrte Gesicht in der Helmreflexion des Astronauten, der zusätzliche Planet am Himmel, der hinzugefügte Dialog in der Bangkok-Marktszene. Das sind die Arten von visuellen und akustischen Artefakten, die eine ansonsten beeindruckende Ausgabe völlig unbrauchbar machen können, wenn Realismus dein Ziel war. Solche Veo 3-Einschränkungen sind es wert, im Hinterkopf behalten zu werden, bevor man sich für einen kostenpflichtigen Plan entscheidet.
Ist Google Veo 3 den Preis wert? Mein ehrliches Urteil
Nach diesen Testrunden stehe ich hier, was die Frage betrifft, ob Google Veo 3 es wert ist.
Für dialoglastige Inhalte, insbesondere Talking-Head-Videos, Interviews im Dokumentarstil oder jede Szene, in der ein Charakter direkt in die Kamera spricht, ist Veo 3 derzeit eines der besten verfügbaren Tools. Die Lippensynchronisationsqualität und die natürliche Sprachgenerierung sind wirklich beeindruckend und schwer zu übertreffen. Wenn das dein primärer Anwendungsfall ist, ist der Google AI Pro-Plan für 19,99 $ pro Monat eine vernünftige Investition.
Für alles andere ist es eher ein Glücksspiel. Der Produktdemo-Test war enttäuschend, die Actionsequenz war ein Chaos, und der filmische Test hatte einen Glitch, der die Ausgabe unbrauchbar machte. Die täglichen Limits sind frustrierend, besonders bei den niedrigeren Plänen, und die Renderzeiten bremsen alles aus. Wenn du ein Solo-Kreativer bist, der mit KI-Video experimentiert, ist es einen Versuch wert. Wenn du eine Agentur oder ein Produktionsteam bist, das konsistente, zuverlässige Ergebnisse in großem Umfang 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 Allzweck-Videogenerator, den die Demos suggerieren. Es ist ein leistungsstarkes Tool mit einem spezifischen Sweet Spot, und dieses Wissen vor dem Abonnieren erspart dir eine Menge Frust.
Wie Manus deinen KI-Video-Workflow verbessern kann
Clips zu generieren ist nur ein Teil des Prozesses. Ein fertiges Videoprojekt erfordert das Brainstormen von Ideen, das Schreiben von Skripten und Prompts, das Organisieren von Assets und das Erstellen der begleitenden Inhalte – die Blogbeiträge, Social-Media-Untertitel und Videobeschreibungen, die deine Inhalte tatsächlich sichtbar machen. Genau hier kommt Manus ins Spiel.
Ich habe Manus während des gesamten Überprüfungsprozesses verwendet: um meinen Testansatz zu planen, die vier Prompts zu strukturieren und meine Notizen und Erkenntnisse zu etwas Kohärentem zusammenzufassen, bevor ich schrieb. Ein Tool zu haben, das dir hilft, dein Denken zu organisieren, bevor du Worte zu Papier bringst, macht einen echten Unterschied, besonders wenn du mehrere Testergebnisse jonglierst und versuchst, sie fair zu vergleichen. Wenn du einen Video-Content-Workflow aufbaust, lohnt es sich, einen AI Agent an deiner Seite für die begleitende Arbeit zu haben. Du kannst Manus kostenlos unter manus.im ausprobieren.
Häufig gestellte Fragen
Wie kann ich Zugang zu Google Veo 3 erhalten?
Du kannst auf Google Veo 3 über die Gemini-App zugreifen, indem du einen der kostenpflichtigen KI-Pläne von Google abonnierst. 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. Vollzugriff 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 haben möglicherweise begrenzten Zugang über Google Flow, aber für die praktische Videogenerierung brauchst du einen kostenpflichtigen Plan.
Was sind die Einschränkungen von Google Veo 3?
Die wichtigsten Veo 3-Einschränkungen umfassen tägliche Generierungslimits (auch bei kostenpflichtigen Plänen), langsame Renderzeiten von etwa 3-5 Minuten pro Clip, eine maximale Videolänge von 8 Sekunden, gelegentliche visuelle Glitches und Inkonsistenzen sowie Schwierigkeiten mit komplexen Multi-Element-Szenen. Objektkonsistenz in Produktaufnahmen und Charakterverhalten in Actionsequenzen sind ebenfalls Bereiche, in denen es zu kurz kommen kann.
Kann Google Veo 3 Videos erstellen, die länger als 8 Sekunden sind?
Nein, die aktuelle Version von Google Veo 3 generiert Clips mit einer Länge von bis zu 8 Sekunden. Für längere Inhalte müsstest du mehrere Clips generieren und sie in einem Tool wie Google Flow oder einem Standard-Videoeditor zusammenschneiden.
Ist Google Veo 3 besser als OpenAIs Sora?
Das hängt davon ab, was du brauchst. Veo 3 hat einen klaren Vorteil bei Dialog- und Lippensynchronisations-Realismus und ist damit die bessere Wahl für Talking-Head- oder Interview-Inhalte. Sora 2 schneidet im Allgemeinen besser bei längeren narrativen Szenen ab und hat ein konsistenteres Charakterverhalten über komplexe Prompts hinweg. Für die meisten Kreativen hängt die Wahl von deinem primären Anwendungsfall ab.
