Промпты для Veo: видео со звуком и диалогами

Что умеет Veo 3.1

По документации Gemini API Veo 3.1 делает ролики 4, 6 или 8 секунд в форматах 16:9 и 9:16 с частотой 24 кадра в секунду. Разрешение 720p доступно для любой длительности, а 1080p и 4K только для роликов 8 секунд. Звук генерируется всегда.

Модель принимает до трёх референсов для героя или предмета, стартовый кадр и последний кадр. Версия Veo 3.1 Lite не поддерживает референсы и 4K, зато подходит для недорогих проб.

Структура промпта

Google советует собирать описание из частей. Обязательны субъект и действие, остальное добавляет точности. Звук пишите отдельными предложениями после изображения.

• Субъект · конкретно, «пожилой мастер в кожаном фартуке», а не «мужчина»
• Действие · что происходит и как, с эмоцией и темпом
• Сцена · место, время суток, погода, детали обстановки
• Камера · план, ракурс и движение
• Стиль · свет, настроение, художественный стиль, цвет
• Звук · реплики, эффекты, фон и музыка

Как писать диалоги

Реплику ставьте в кавычки и обязательно указывайте, кто её произносит и каким тоном. В ролик 8 секунд помещается одна или две короткие фразы, длинный монолог модель оборвёт или ускорит.

Разработчик гарантирует полную поддержку английского, остальные языки работают с разным качеством. Русскую реплику проверяйте на коротком ролике, а для точного текста используйте озвучку при монтаже.

• «Средний план. Бариста ставит чашку на стойку, улыбается и говорит дружелюбно: “Ваш кофе готов”. Тихий гул кофейни, звон посуды, без музыки»
• «Крупный план. Девушка смотрит в камеру и шепчет: “Это секрет”. Слышен дождь за окном»
• «Двое друзей на кухне. Первый спрашивает удивлённо: “Ты это сам приготовил?” Второй гордо кивает: “Конечно”»

Звуковые эффекты и фон

Описывайте звуки прямо и отдельно от картинки: шаги по гравию, скрип двери, шум прибоя. Фон задаёт атмосферу сцены, например гул города или пение птиц. Если музыка не нужна, так и напишите.

Если в форме модели есть отдельное поле исключений, Google советует перечислять в нём сами объекты, без слов «не» и «без». Например, вместо «без городского фона» укажите «городской фон».

Камера и стиль

Veo понимает стандартные термины операторов. Различайте наезд, когда камера едет к объекту, и зум, когда меняется оптика. Время тоже управляется словами: замедленная съёмка, таймлапс, плавное изменение.

• Планы · общий, средний, крупный, сверхкрупный, через плечо, от первого лица
• Ракурсы · на уровне глаз, снизу, сверху, с высоты птичьего полёта
• Движения · статичная камера, панорама, наклон, наезд, кран, дрон, ручная камера, дуга вокруг героя
• Оптика · малая глубина резкости, перевод фокуса, широкий угол, телевик

Из фото, по кадрам и по референсам

При генерации из фото снимок становится первым кадром, поэтому выбирайте изображение, которое ближе всего к началу задуманной сцены. В промпте описывайте, что происходит дальше.

Последний кадр задаёт финал, и Veo строит переход между двумя снимками. Референсы нужны, чтобы сохранить внешность героя или вид товара, когда сам кадр вы описываете текстом.

Как сделать это в Solistra

В каталоге Solistra есть Veo 3.1, Veo 3.1 Fast и Veo 3.1 Lite. Цена зависит от версии, длительности и разрешения и видна до запуска.

• Откройте раздел Видео и выберите Veo 3.1 или его быструю версию
• Загрузите стартовый кадр или референсы, если они нужны
• Напишите промпт с отдельными предложениями для реплик и звука
• Выберите длительность и разрешение, проверьте цену на кнопке и запустите