Veo 3.1 — przewodnik po promptach i języku filmowym

Veo 3.1 to model wideo klasy antenowej w OmniArt — ten, po który sięgasz, kiedy wynik ma się obronić na dużym ekranie. Ma natywne 4K, dźwięk przestrzenny generowany razem z klatkami obrazu i nietypowo mocne trzymanie się pierwszej klatki, kiedy podasz obraz referencyjny. Ale nic z tego nie ma znaczenia, jeśli prompt jest ogólnikowy. Ten przewodnik daje powtarzalną formułę prowadzenia modelu Veo 3.1 tak, jak on chce być prowadzony, wraz z porównaniami przed i po, tabelą filmowego słownictwa i wskazówkami, jak wybrać właściwy wariant (standard, fast albo lite) do zadania.

Pięcioczęściowa formuła promptu do Veo 3.1#

Veo 3.1 dobrze reaguje na ustrukturyzowane prompty, które po kolei odpowiadają na pięć pytań. Pomiń jedno, a model wypełni lukę — zwykle w możliwie najbardziej generyczny sposób.

1. Temat i czynność — kto albo co, robi co, gdzie. „Filmowiec przeglądający materiał sam w ciemnej montażowni”.
2. Kamera (ruch, obiektyw, kadr) — wielkość planu, ogniskowa, ruch i jego tempo. „Powolny najazd, 50 mm, plan średnio-bliski, kamera zablokowana, potem dryfująca do przodu”.
3. Światło i nastrój — źródło, kierunek, jakość, paleta. „Poświata jednego monitora jako światło kluczowe, głębokie cienie, chłodny błękit, wysoki kontrast”.
4. Dźwięk i tło akustyczne — jak brzmi przestrzeń, konkretne dźwięki, kierunek muzyczny albo no music. „Cichy szum elektryczny, sporadyczne kliknięcie klawiatury, bez muzyki”.
5. Parametry wyjścia — rozdzielczość (4K albo nie), zamierzona długość, ewentualne odniesienie stylistyczne. „4K, 8 sekund, fotorealistycznie”.

W pełni rozpisany przykład#

Napisanie takiego promptu zajmuje niecałe trzydzieści sekund. Opisuje ujęcie tak, jak autor zdjęć opisałby je oświetleniowcowi, a Veo 3.1 ma niewiele miejsca na błędne zgadywanie.

Ściąga z filmowego słownictwa#

Te terminy przekładają się bezpośrednio na generowania w Veo 3.1. Skopiuj potrzebne frazy do swoich promptów.

Ruchy kamery#

Wielkości planów i kąty#

Światło#

Porównania przed i po#

A: prowadzenie kamery — największa pojedyncza dźwignia#

Najbardziej znaczącą zmianą, jaką możesz wprowadzić w prompcie do Veo 3.1, jest dodanie ruchu kamery i ogniskowej. Porównaj:

Druga wersja ani razu nie używa słowa „filmowy”. Doprecyzowuje to, co czyni ujęcie filmowym — a model renderuje intencję, zamiast wybierać jedną z dziesięciu generycznych interpretacji.

B: trzymanie się pierwszej klatki w trybie obraz-wideo#

Veo 3.1 wyraźnie mocno trzyma się obrazu, kiedy podasz obraz referencyjny jako pierwszą klatkę. Model utrzymuje kompozycję, korekcję barwną i kluczowe detale postaci z pierwszej klatki i traktuje je jako ograniczenie przez całe generowanie.

Zastosowanie praktyczne: weź kadr z sesji reklamowej, render produktu albo koncept postaci, podaj go jako pierwszą klatkę w przebiegu obraz-wideo w OmniArt, a potem napisz prompt opisujący ruch wychodzący z tego punktu.

Model dziedziczy dokładnie to światło, ustawienie produktu i fakturę powierzchni z twojej referencji i nakłada na nie opisany ruch — zamiast generować scenę od nowa.

C: dźwięk przestrzenny z jednej linijki promptu#

Dźwięk przestrzenny w Veo 3.1 nie wymaga osobnego przebiegu — wystarczy jedna opisowa linijka dźwiękowa w prompcie, żeby powstał warstwowy pejzaż dźwiękowy świadomy położenia.

Co generuje model: deszcz jest obecny i kierunkowy — słychać go przestrzennie nad sceną. Gwar targu zajmuje średni plan. Motocykl przejeżdża przez pole stereo dokładnie tak, jak opisano. Kierunkowość bierze się z natywnej architektury dźwiękowej Veo 3.1, a nie z obróbki końcowej. Nazwanie warstw i ich relacji przestrzennych — close, distant, passing left to right — daje modelowi to, czego potrzebuje, żeby rozstawić je w przestrzeni.

Wybór między standard, fast i lite#

Veo 3.1 dostępny jest w OmniArt w trzech wariantach. Właściwy wybór zależy od zadania, a nie od domyślnego nawyku.

Kiedy 4K jest warte dodatkowych kredytów: materiały na duży ekran, główne ujęcia produktu, wszystko, co trafi do eksportu w pełnej rozdzielczości, albo prace, w których detal renderowany przez model w tłach i fakturach ma znaczenie dla briefu. 4K jest dostępne wyłącznie w wariancie veo-3.1-standard.

Kiedy 4K się marnuje: kadry społecznościowe w 1080p lub mniejsze, szkice ruchu, które i tak wygenerujesz od nowa, wszystko, co jest szukaniem, a nie dostarczaniem. Do takiej pracy używaj wariantu veo-3.1-lite — iteruj tanio, a potem przełącz się na standard przy finalnym podejściu.

Typowe błędy w promptach#

Przeładowana linijka tematu. „Kobieta w średnim wieku z kręconymi rudymi włosami w vintage'owym płaszczu stojąca przy kanale w Amsterdamie trzymająca bukiet tulipanów z tęsknym wyrazem twarzy” wrzuca na przód tyle detali, że model musi wybrać, które z nich faktycznie wyrenderuje. Rozbij opis postaci na to, co jest niezbędne dla tego ujęcia, a resztę odpuść.

Sprzeczne instrukcje dla kamery. "Slow push-in with a wide pull-back" jest fizycznie niemożliwy — model wybierze jedno i zignoruje drugie. Pisz jeden umotywowany ruch na prompt. Jeśli potrzebujesz ujęcia, które zaczyna się szeroko i zacieśnia, to jest najazd i tyle.

Całkowite pominięcie dźwięku. Veo 3.1 wygeneruje dźwięk niezależnie od tego, czy go poprowadzisz. Nieprowadzone generowanie dźwięku to nie cisza — to najlepsze przypuszczenie modelu, które może nie pasować do twojej intencji. Zawsze zamykaj prompt jedną linijką o dźwięku, choćby to było no music, ambient room tone only.

Wpisywanie słowa „filmowy” jako stylu. Słowo „filmowy” każe modelowi podjąć decyzję, którą to ty powinieneś podjąć. Zastąp je konkretnymi właściwościami wizualnymi, o które naprawdę ci chodzi: obiektyw, światło, ruch, paleta.