Ruimtelijk geluid in Veo 3.1: zo laat je het geluid bij het shot passen

Het geluid van de meeste AI-video klinkt geplakt in plaats van aanwezig. Een clip van een drukke markt krijgt gemompel; een bosclip krijgt vogels. Allebei technisch correct en geen van beide overtuigend, want het geluid weet niet waar iets zich in het kader bevindt. Veo 3.1 verandert dat met native ruimtelijk geluid: het model genereert geluid naast het beeld en weet wat dichtbij is, wat ver weg, wat gedempt en wat er dwars doorheen snijdt. Een deur die achter het onderwerp dichtvalt klinkt anders dan een deur die op de voorgrond dichtvalt. Verkeer drie verdiepingen lager is zachter en diffuser dan verkeer op straatniveau. Deze gids legt uit hoe de gezamenlijke geluidsgeneratie van Veo werkt, hoe je de drie geluidslagen los van elkaar denkt, en hoe je prompts schrijft die meteen ruimtelijke diepte opleveren — met drie uitgewerkte scènes die je direct kunt aanpassen.

Hoe het native geluid van Veo 3.1 werkt

Veo 3.1 genereert geluid en beeld in één gezamenlijke doorloop. Anders dan bij een pijplijn in twee stappen — waarin een stille video wordt geëxporteerd en een audiomodel er daarna bij probeert te passen — bouwt Veo het klanklandschap op hetzelfde moment als de frames. Het model kent de ruimtelijke indeling van de scène die het genereert: welke elementen dicht bij de camera staan, welke op de achtergrond, hoe dicht de omgeving is en of oppervlakken geluid zouden slikken of weerkaatsen.

Het praktische gevolg is richting. Elementen dichtbij (voetstappen van het onderwerp, een hand op een oppervlak, ademhaling) zitten op een andere schijnbare afstand dan elementen op de achtergrond (straatgeluid, omgevingsbrom, geroezemoes). Het model kan die op de juiste onderlinge niveaus stapelen omdat het de ruimtelijke scène opbouwt en niet achteraf afleidt.

Veo 3.1 levert daarnaast native 4K-uitvoer, en dat telt op één specifieke manier mee voor audioprompts: hogere beeldkwaliteit betekent meer omgevingsdetail in het kader — en dus meer detail waarop het geluidsmodel kan reageren. Een close-up van een regennatte kasseienstraat in 4K geeft het model meer om mee te werken dan een zachte render van dezelfde scène in 720p.

De drie geluidslagen die je los van elkaar denkt

De betrouwbaarste manier om een bruikbaar resultaat uit de geluidsgeneratie van Veo 3.1 te halen, is je audio-instructies in gedachten te splitsen in drie lagen voordat je één woord van de prompt schrijft. Elke laag heeft eigen kenmerken en reageert op andere promptpatronen.

Dialoog

Dialoog is de laag die je het nauwkeurigst kunt sturen. Het model heeft expliciete informatie nodig: wat er wordt gezegd, wie het zegt en hoe het gebracht moet worden. Anders dan bij omgevingsgeluid — waar het model veel uit de beeldcontext kan afleiden — heeft dialoog geen visuele tegenhanger die het model kan aflezen. Een personage dat pratend loopt, ziet er hetzelfde uit of het nu een boodschappenlijstje opdreunt of een monoloog houdt.

Schrijf de regel woordelijk uit en zet er daarna een aanduiding voor de voordracht achter. Eén bondig bijvoeglijk naamwoord voor de voordracht werkt meestal beter dan twee of drie. Voordrachtnotities die betrouwbaar werken: warm and unhurried, flat and exhausted, urgent, just above a whisper, soft but careful. Notities die vaak een uitgemiddeld resultaat opleveren: tegenpolen stapelen zoals relaxed but tense of quiet but intense.

Ruimtelijke context telt ook voor dialoog. Voice close-mic'd, room barely audible levert een ander resultaat op dan voice slightly distant, reverberant room. Het model stemt de akoestische omgeving af op de hoeveelheid omgevingsruimte die je beschrijft.

Omgevingsgeluid en ruimte

Omgevingsgeluid is de laag waarin Veo 3.1 zich het duidelijkst onderscheidt. Omdat het model de ruimtelijke indeling kent die het genereert, kun je een omgeving in lagen en afstanden beschrijven en kan het model daar ook echt naar handelen.

Een bruikbaar denkmodel: stel je drie concentrische zones voor — de directe voorgrond (binnen armlengte van de camera), het middenplan (de actieve scèneruimte) en de achtergrond (wat je door een raam of aan de rand van het kader zou horen). Elementen in elke zone benoemen en hun onderlinge niveau aangeven geeft het model een ruimtelijk mixdoel.

Je hoeft niet alle drie de zones te vullen. Een sober interieur heeft misschien genoeg aan één element in het middenplan en een subtiele ruimteklank. Zones overspecificeren die geen geluid horen te hebben, maakt de mix rommelig.

Geluidseffecten (SFX)

Geluidseffecten zijn losse audiogebeurtenissen die aan specifieke momenten in beeld hangen: een deur die opengaat, een voorwerp dat wordt neergezet, een meldingsgeluid, een voorbijrijdend voertuig. Doordat Veo geluid samen met beeld genereert, lopen effecten die bij zichtbare handelingen horen doorgaans vanzelf synchroon — het model weet dat een hand naar een glas reikt voordat het contact maakt.

Beschrijf effecten die precies moeten landen als visuele gebeurtenissen in plaats van als geluidsgebeurtenissen. "She sets the phone face-down on the desk" stuurt zowel de handeling in beeld als het geluid dat daaruit volgt; "a clunk as the phone hits the desk" beschrijft het geluid abstract en is lastiger synchroon te krijgen.

Heb je een effect nodig dat níét aan een handeling in beeld hangt — een geluid van buiten het kader, een leesteken in de omgeving — behandel het dan zoals je een dialoogcue behandelt: benoem het expliciet en geef het ruimtelijke context. "A car alarm starts briefly in the distance, off-frame right" is preciezer dan "random street noise includes a car alarm."

Drie uitgewerkte scènes

Deze voorbeelden laten het volledige promptpatroon zien in drie verschillende audiosituaties. Elk toont een andere hoofduitdaging in het geluid.

Scène 1: ruimtelijke gelaagdheid dichtbij en veraf op straat

Briefing: Een onderwerp loopt over een winkelstraat naar een ingang. Het geluid moet het ruimtelijke verschil laten horen tussen elementen dichtbij (de voetstappen van het onderwerp, de ademhaling) en de omgeving eromheen (verkeer, een winkeldeur).

Prompt:

"Medium shot following a person walking along a busy city street toward a café entrance, overcast daylight. Audio: subject's footsteps on wet pavement close and clear; street traffic — buses, cars — sitting further back, diffuse and slightly muffled; as the subject reaches for the café door, the door's hinge and the muffled interior sound briefly audible, then the street noise dropping away as they step inside. No music."

Wat je kunt verwachten: De voetstappen horen dichtbij te zitten, duidelijk gescheiden van het verkeer op de achtergrond. De overgang bij de deur — van buiten naar een gedempt interieur — is de ruimtelijke gebeurtenis waar de prompt op stuurt, en dankzij de gezamenlijke generatie kent Veo de visuele opbouw van dat moment.

Knoppen om aan te draaien: Zit het verkeer te hard ten opzichte van de voetstappen, voeg dan traffic well back, not competing with footsteps toe. Is de deurovergang te abrupt, voeg dan gradual acoustic shift as the door opens toe.

Scène 2: sfeershot zonder dialoog, gedragen door omgevingsgeluid alleen

Briefing: Een wijd interieurshot bij schemer — geen dialoog, geen uitgesproken handeling. Het geluid moet het emotionele register van de scène volledig via omgevingslagen dragen.

Prompt:

"Wide shot of an empty apartment living room at dusk, warm orange light through venetian blinds making stripe patterns across the floor. No person present. Audio: distant traffic hum from outside (well back, through glass), occasional creak of the building settling, a single car passing slowly on the street below — its engine present then gone — faint hiss of an old radiator in the foreground right. No music. The overall room feel should be quiet enough to hear the silence between sounds."

Wat je kunt verwachten: Een gelaagde omgevingsmix waarin de stiltes tussen de gebeurtenissen net zo hoorbaar zijn als de gebeurtenissen zelf. Het model hoort quiet enough to hear the silence between sounds te lezen als een instructie op mixniveau — alle elementen laag genoeg houden zodat de ruimteklank waarneembaar blijft.

Knoppen om aan te draaien: De zin quiet enough to hear the silence wordt sterker met each element appearing only briefly, not constant erbij. Voeg a phone buzzing once on a surface, off-frame toe voor een verhalend leesteken zonder de sfeer te breken.

Scène 3: intonatie op zinsniveau in de dialoog

Briefing: Een personage stelt één vraag recht in de camera. De voordracht heeft natuurlijke intonatie op zinsniveau nodig — specifiek de hoorbare stijging aan het eind van een vraag — en geen metronomisch vlak oplezen.

Prompt:

"Close-up of a man in his 40s at a wooden desk, warm desk lamp, bookshelves behind him. He looks directly at camera, slight pause, then says 'Did you really think I wouldn't find out?' — delivery quiet, genuinely confused rather than angry, voice rising slightly on 'find out'. Room: light ambient hum from an unseen HVAC, no reverb, no music."

Wat je kunt verwachten: De voordrachtnotities rising slightly on 'find out' en genuinely confused rather than angry horen zowel de golfvorm als het toonhoogteverloop van de voordracht te vormen. De instructies voor de ruimteklank (no reverb) leggen de akoestische omgeving vast, zodat de dialoog niet klinkt alsof hij in een andere ruimte is opgenomen.

Knoppen om aan te draaien: Is de voordracht te vlak, vervang quiet dan door controlled but emotionally present. Komt de zinsintonatie niet door, splits de voordrachtnotitie dan van de emotienotitie: benoem eerst de emotie en daarna de specifieke instructie voor de intonatie.

Voordat je opnieuw draait: een vlak of mechanisch resultaat lezen

Niet elke generatie vraagt om een nieuwe prompt. Sommige resultaten hebben alleen een langere duur of een andere Seed nodig. Maar er zijn specifieke patronen die aangeven dat de prompt zelf het probleem is:

Vlak resultaat (geen ruimtelijke diepte): Alle geluidselementen zitten op dezelfde schijnbare afstand, zonder onderscheid tussen voor- en achtergrond. Oplossing: geef minstens twee elementen expliciete ruimtelijke taal mee — één als dichtbij, één als ver weg of gedempt. Het model heeft een contrast nodig om op te handelen.

Mechanische dialoog: De voordracht is gelijkmatig van tempo, zonder pauzes, zonder toonhoogtevariatie, zonder intonatie op de laatste lettergreep. Oplossing: schrijf één concrete instructie voor de intonatie in de prompt (stijgend aan het eind van een vraag, vertragend op een emotionele beat, dalend aan het slot van een mededeling). Abstracte voordrachtnotities als natural of realistic zijn te vaag om het resultaat te veranderen.

Overvolle mix: Te veel geluidselementen vechten om aanwezigheid en niets zit duidelijk. Oplossing: breng het terug tot de twee of drie belangrijkste elementen en beschrijf hun onderlinge niveaus expliciet. Drie goed geplaatste geluiden zijn beter dan zeven die elkaar in de weg zitten.

Verkeerde akoestische omgeving: De ruimte klinkt te galmend of te droog voor het beeld. Oplossing: benoem het akoestische karakter rechtstreeks — dry, close-mic'd room, medium reverb, concrete walls, outdoor, open air, no reflections.

De aanpak samengevat

Aan de slag op OmniArt

Alle drie de varianten van Veo 3.1 — veo-3.1-standard, veo-3.1-fast en veo-3.1-lite — staan in de videowerkruimte van OmniArt met hetzelfde tegoed en dezelfde promptinterface, zonder apart Google-account of API-sleutel. De snelste manier om je audioprompts af te stellen is beginnen met één contrast tussen dichtbij en veraf in een eenvoudige scène, kijken wat het model ervan maakt, en daarna één laag tegelijk toevoegen tot de mix zit waar je hem wilt.

Een bredere behandeling van de camerataal en de promptstructuur van Veo 3.1 staat in de prompt- en filmgids voor Veo 3.1. Werk je met een model dat op een andere pijplijn geluid in één gezamenlijke doorloop genereert, dan behandelt de gids over het native geluid van Grok Imagine vergelijkbare promptlogica voor het native audiosysteem van xAI.

Begin met genereren op OmniArt