Руководство по промптам и кинематографии в Veo 3.1

Veo 3.1 — видеомодель broadcast-уровня от OmniArt, к которой вы обращаетесь, когда результат должен выдержать просмотр на большом экране. Она поддерживает нативный 4K, пространственный звук, генерируемый вместе с кадрами видео, и unusually strong adherence to the first frame when you supply a reference image. Но всё это не имеет значения, если промпт расплывчатый. В этом руководстве мы предлагаем многоразовую формулу из пяти частей для того, чтобы направлять Veo 3.1 так, как это от него ожидается, — вместе с примерами «до/после», таблицей кинематографической терминологии и советами по выбору правильного уровня (стандартный, быстрый или lite) для конкретной задачи.

Формула промпта из пяти частей для Veo 3.1

Veo 3.1 хорошо реагирует на структурированные промпты, которые последовательно отвечают на пять вопросов. Пропустите один — и модель заполнит пробел, как правило, самым банальным способом.

1. Субъект и действие — кто или что, делает что, где. «Режиссёр в тёмной монтажной просматривает отснятый материал в одиночестве.»
2. Камера (движение, объектив, кадрирование) — размер плана, фокусное расстояние, движение и его скорость. «Медленный push-in, 50 мм, средне-крупный план, камера зафиксирована, затем медленно движется вперёд.»
3. Свет и настроение — источник, направление, качество, палитра. «Свет одного монитора как ключевой, глубокие тени, холодный синий, высокий контраст.»
4. Звук и атмосфера — звуковое пространство, конкретные звуки, музыкальное направление или no music. «Тихое электрическое гудение, редкие щелчки клавиатуры, no music.»
5. Технические параметры — разрешение (4K или нет), планируемая длительность, стилевая референция. «4K, 8 секунд, фотореалистичный.»

Полностью разработанный пример

Промпт:

«Режиссёр в тёмной монтажной просматривает отснятый материал в одиночестве. Медленный push-in, 50 мм, средне-крупный план, камера зафиксирована, затем медленно движется вперёд. Свет одного монитора как ключевой, глубокие тени, холодный синий, высокий контраст. Тихое электрическое гудение, редкие щелчки клавиатуры, no music. 4K, 8 секунд, фотореалистичный.»

Этот промпт пишется менее чем за тридцать секунд. Он описывает кадр так, как оператор-постановщик объяснял бы его осветителю, — и у Veo 3.1 остаётся мало пространства для неверных предположений.

Таблица кинематографической терминологии

Эти термины напрямую переводятся в параметры генерации Veo 3.1. Копируйте нужные формулировки в свои промпты.

Движения камеры

Размеры планов и ракурсы

Световые решения

Примеры «до/после»

A: управление камерой — самый мощный единичный рычаг

Самое значимое улучшение, которое вы можете внести в промпт для Veo 3.1, — добавить движение камеры и фокусное расстояние. Сравните:

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

С: "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."

Во втором варианте слово «cinematic» не встречается ни разу. Вместо этого указано, что конкретно делает кадр кинематографическим, — и модель воспроизводит намерение, а не выбирает одну из десяти расплывчатых интерпретаций.

B: точность следования начальному кадру при переводе изображения в видео

Когда вы предоставляете референсное изображение в качестве начального кадра, точность следования у Veo 3.1 становится особенно высокой. Модель сохраняет композицию, цветовую обработку и ключевые детали персонажа из первого кадра и использует их как ограничения на протяжении всей генерации.

Практическое применение: возьмите стоп-кадр из коммерческой съёмки, рендер продукта или концепт-арт персонажа, задайте его начальным кадром в рабочем процессе OmniArt «изображение в видео», а затем напишите промпт, описывающий движение из этой отправной точки.

Промпт после подачи начального кадра с фото продукта:

«Флакон духов стоит на поверхности из белого мрамора. Медленная дуга слева направо, флакон остаётся по центру. Послеполуденный свет из высокого окна скользит по стеклу, освещая грани. 4K, 6 секунд, no music.»

Модель наследует точное освещение, позицию продукта и текстуру поверхности из вашей референции и применяет описанное движение — вместо того чтобы заново генерировать сцену с нуля.

C: пространственный звук из одной строки промпта

Пространственный звук Veo 3.1 не требует отдельного прохода — одна описательная строка в промпте достаточна для создания многослойного, позиционно-осознанного звукового пространства.

Фрагмент промпта:

«...Звук: дождь, записанный вблизи на гофрированном железе прямо над головой, далёкая толпа на рынке, изредка проезжающий мотоцикл справа налево, no music.»

Что генерирует модель: дождь присутствует и направленный — вы слышите его пространственно над сценой. Рыночная толпа занимает средний план. Мотоцикл проходит через стереополе, как описано. Направленность обеспечивается нативной аудиоархитектурой Veo 3.1, а не постобработкой. Называть слои и их пространственные отношения — close, distant, passing left to right — значит давать модели всё необходимое для позиционного рендеринга.

Выбор между стандартным, быстрым и lite

Veo 3.1 доступен на OmniArt в трёх уровнях. Правильный выбор определяется задачей, а не привычкой к настройкам по умолчанию.

Когда 4K оправдывает дополнительные кредиты: материалы для большого экрана, hero-снимки продуктов, всё, что будет экспортировано в полном разрешении, или работы, где детальная прорисовка фонов и текстур важна для задания. 4K доступен только на veo-3.1-standard.

Когда 4K — пустая трата: кадрирование для соцсетей в 1080p и ниже, черновики движения, которые вы всё равно будете перегенерировать, всё, что вы исследуете, а не сдаёте. Для такой работы используйте veo-3.1-lite — итерируйте с меньшими затратами, а затем переключайтесь на стандартный уровень для финального прохода.

Распространённые ошибки в промптах

Перегрузка строки субъекта. «Женщина средних лет с вьющимися рыжими волосами в винтажном пальто, стоящая у канала в Амстердаме с букетом тюльпанов и тоскующим видом» набивает столько деталей в строку субъекта, что модель сама должна решить, что из этого рендерить. Оставляйте только то, что действительно необходимо для этого кадра, остальное отпустите.

Противоречивые указания камеры. «Slow push-in with a wide pull-back» физически невозможен — модель выберет одно и проигнорирует другое. Пишите одно мотивированное движение на промпт. Если вам нужен кадр, который начинается широко и сужается, это push-in, и всё.

Полное забвение об аудио. Veo 3.1 сгенерирует звук вне зависимости от того, задавали вы его или нет. Неуправляемая генерация аудио — не тишина, это лучшее предположение модели, которое может не совпасть с вашим замыслом. Всегда завершайте промпт одной звуковой строкой, хотя бы no music, ambient room tone only.

Использование слова «cinematic» как стилевого обозначения. Написав «cinematic», вы поручаете модели принять решение, которое должны принять сами. Замените его конкретными визуальными свойствами: объектив, свет, движение, палитра.

Начало работы в OmniArt

Veo 3.1 — стандартный, быстрый и lite — доступен в видеорабочей области OmniArt наряду со всеми остальными моделями библиотеки. Самый быстрый способ освоить его — взять одну готовую идею, написать её по формуле из пяти частей выше и сначала сгенерировать на veo-3.1-fast, чтобы доработать промпт, а затем перейти к стандартному уровню.

Для более широкого кинематографического словаря и того, как те же паттерны промптов применяются во всей линейке видеомоделей OmniArt, смотрите руководство по кинематографическим промптам для AI-видео. Когда будете готовы углубиться непосредственно в генерацию аудио Veo 3.1, в руководстве по лучшим практикам пространственного звука Veo 3.1 подробно рассматриваются многослойные звуковые пространства, позиционные звуковые подсказки и музыкальные направления. Для прямого сравнения Veo 3.1 с другими ведущими моделями смотрите Veo 3.1 vs Sora 2.