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

Prompt:

"A filmmaker reviewing footage alone in a dark edit suite. Slow push-in, 50mm, medium close-up, camera locked then drifting forward. Single monitor glow as key light, deep shadows, cool blue, high contrast. Quiet electrical hum, occasional keyboard click, no music. 4K, 8 seconds, photorealistic."

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:

Bez: "A street musician playing violin in the rain."

Z: "Medium close-up of a street musician playing violin in the rain. Slow dolly-in, 85mm, shallow depth of field — background traffic dissolving into blur. Practical street-lamp from above, rim-lighting the bow. Light rain sound, distant traffic, no music."

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.

Prompt po podaniu pierwszej klatki ze zdjęciem produktu:

"The perfume bottle sits on a white marble surface. Slow arc from left to right, the bottle staying centred. Late-afternoon light from a high window sweeps across the glass, catching the facets. 4K, 6 seconds, no music."

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.

Fragment promptu:

"...Audio: close-mic'd rain on corrugated iron overhead, a distant market crowd, occasional motorbike passing right to left, no music."

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.

Jak zacząć w OmniArt

Veo 3.1 — w wariantach standard, fast i lite — jest dostępny w przestrzeni wideo w OmniArt obok wszystkich innych modeli z biblioteki. Najszybszą drogą do biegłości jest wziąć jeden istniejący pomysł, zapisać go według powyższej pięcioczęściowej formuły i wygenerować najpierw w wariancie veo-3.1-fast, żeby dopracować prompt przed przejściem na standard.

Szersze filmowe słownictwo i to, jak te same wzorce promptów działają w całej bibliotece modeli wideo w OmniArt, opisuje filmowy przewodnik po promptach do wideo AI. Kiedy zechcesz wejść głębiej konkretnie w generowanie dźwięku w Veo 3.1, przewodnik najlepsze praktyki dźwięku przestrzennego w Veo 3.1 szczegółowo omawia warstwowe pejzaże dźwiękowe, sygnały pozycyjne i kierunek muzyczny. Bezpośrednie zestawienie Veo 3.1 z innymi modelami z najwyższej półki znajdziesz w tekście Veo 3.1 kontra Sora 2.