Can I use Veo 3 in OpenClaw?

Yes. OpenClaw agents call the RunAPI Veo 3 text_to_video endpoint directly. Set model to veo-3.1 and send the request with the same RUNAPI_API_KEY you use for chat. No additional skills, plugins, or Google Cloud accounts required.

Does Veo 3 cost money or is it free?

Veo 3 is a paid model on RunAPI. Each generation is billed per task based on duration and quality tier. veo-3.1-fast costs less than veo-3.1. Check the RunAPI pricing page for current rates. No subscription required -- you pay per generation.

Why is Veo 3 slow compared to other generators?

Veo 3 generates both video and synchronized audio in a single pass, which takes more processing time. Generation typically takes 60 to 180 seconds. Use veo-3.1-fast for quicker turnaround when iterating on drafts.

Can I extend or upscale a Veo 3 video after generation?

Yes. RunAPI exposes extend_video and upscale_video endpoints for Veo 3. Pass the source_task_id from the original generation to extend the clip, or upscale to 1080p or 4K resolution. Both are async and billed separately.

What is the maximum video duration and resolution?

Veo 3 generates clips of 4, 6, or 8 seconds at up to 1080p base resolution. You can upscale completed videos to 4K using the upscale_video endpoint. Aspect ratio options are 16:9, 9:16, and auto.

OPENCLAW + VEO 3

OpenClaw で Veo 3 を使う。

Veo 3 は Google DeepMind の動画生成モデルで、最長 8秒・1080p のクリップを、ネイティブ音声——動画と同期して生成される対話、環境音、音楽——とともに生成します。OpenClaw のエージェントはチャットと同じ RunAPI キーとエンドポイントで呼び出し、追加のスキルをインストールする必要はありません。

API キーを取得ドキュメントを読む

1つの APIキー · テキスト→動画エンドポイント · ネイティブ音声出力

RunAPI を通じて Google Veo 3 を使い、ネイティブ音声付きのシネマティックな動画クリップを生成します。

要件：
- RUNAPI_API_KEY から APIキーを読み込む。キーをハードコードしない。
- https://runapi.ai/api/v1/veo_3_1/text_to_video へ POST リクエストを送信する
- model を "veo-3.1" に設定する。
- シーン、カメラの動き、音声の手がかりを含む記述的なプロンプトを書く。
- duration_seconds を 4、6、または 8 に設定する。
- aspect_ratio を "16:9"、"9:16"、または "auto" に設定する。
- タスクは非同期です。返された task_id を status が "completed" になるまでポーリングする。
- 完了したら、レスポンスの output から動画 URL を読み込む。

curl -X POST https://runapi.ai/api/v1/veo_3_1/text_to_video \
  -H "Authorization: Bearer $RUNAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo-3.1",
    "prompt": "A woman walks through a bustling Tokyo street at night, neon signs reflecting on wet pavement. She speaks into her phone: I just arrived. Ambient city noise, distant car horns, light rain.",
    "duration_seconds": 8,
    "aspect_ratio": "16:9"
  }'

{
  "task_id": "tsk_abc123",
  "status": "pending",
  "model": "veo-3.1"
}

curlコマンドをコピーしてテスト veo-3

仕組み

OpenClaw で Veo 3 を使う3ステップ

Configure RunAPI

Set the RUNAPI_API_KEY environment variable. If you already configured RunAPI as an OpenClaw provider for chat, the same key works for video generation — no additional setup or provider accounts.

export RUNAPI_API_KEY=runapi_xxx

Call Veo 3 text_to_video

Send a POST to the text_to_video endpoint with model set to veo-3.1. Include a prompt with scene descriptions and audio cues (dialogue, ambient sounds). Set duration_seconds to 4, 6, or 8 and aspect_ratio to 16:9 or 9:16.

POST /api/v1/veo_3_1/text_to_video

Poll for the result

The endpoint returns a task_id immediately. Poll the task status endpoint until the status changes to completed, then retrieve the output video URL. The video includes synchronized audio generated from your prompt.

GET /api/v1/veo_3_1/text_to_video/tsk_abc123

パラメータ

Veo 3 text_to_video パラメータ

パラメータ	型	説明
`model`	`string`	Required. veo-3.1 (standard quality) or veo-3.1-fast (lower cost, faster generation).
`prompt`	`string`	Required. Scene description including visual action, camera movement, and audio cues for dialogue or ambient sound.
`duration_seconds`	`integer`	Optional. Video length in seconds. Accepted values: 4, 6, 8. Defaults to 8.
`aspect_ratio`	`string`	Optional. Output aspect ratio. Accepted values: 16:9, 9:16, auto.
`input_mode`	`string`	Optional. Generation mode. text (default), first_and_last_frames (keyframe-guided), or reference (style reference).
`first_frame_image_url`	`string`	Optional. URL of the first frame image. Used when input_mode is first_and_last_frames.
`last_frame_image_url`	`string`	Optional. URL of the last frame image. Used when input_mode is first_and_last_frames.
`reference_image_urls`	`array`	Optional. URLs of style reference images. Used when input_mode is reference.
`callback_url`	`string`	Optional. Webhook URL that receives a POST when the task completes.

OpenClaw上のVeo 3とは？

Veo 3はGoogle DeepMindの動画生成モデルで、正確な環境音声を伴うリアルな映画品質の映像を制作します。同期した対話・効果音・音楽付きで最長8秒の1080p動画を生成し、別途の音声パイプラインは不要です。OpenClaw agentはRunAPIエンドポイント経由でチャットと同じAPIキーを使って呼び出します。