Veo 3.1: посібник із промптів і кінематографічної мови

Veo 3.1 — це відеомодель ефірної якості в OmniArt, та, до якої ви тягнетеся, коли результат має витримати великий екран. Вона дає нативний 4K, просторовий звук, що генерується разом із кадрами, і незвично сильне дотримання стартового кадру, коли ви подаєте референсне зображення. Але все це нічого не варте, якщо промпт розмитий. Цей посібник дає багаторазову формулу, як режисувати Veo 3.1 так, як вона того хоче, а також розбори до/після, таблицю кінематографічної лексики й поради, як обрати потрібний рівень (standard, fast чи lite) під завдання.

Формула промпту для Veo 3.1 із п’яти частин

Veo 3.1 добре реагує на структуровані промпти, які по черзі відповідають на п’ять питань. Пропустіть одне — і модель заповнить прогалину сама, зазвичай найбанальнішим способом.

1. Суб’єкт і дія — хто або що, робить що, де. "A filmmaker reviewing footage alone in a dark edit suite."
2. Камера (рух, об’єктив, кадрування) — крупність, фокусна відстань, рух і його швидкість. "Slow push-in, 50mm, medium close-up, camera locked then drifting forward."
3. Світло й настрій — джерело, напрямок, характер, палітра. "Single monitor glow as key light, deep shadows, cool blue, high contrast."
4. Звук і атмосфера — як звучить простір, конкретні звуки, музична режисура або no music. "Quiet electrical hum, occasional keyboard click, no music."
5. Технічний вивід — роздільна здатність (4K чи ні), задум щодо тривалості, будь-який стильовий референс. "4K, 8 seconds, photorealistic."

Повністю розібраний приклад

Промпт:

"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."

Такий промпт пишеться менш ніж за тридцять секунд. Він задає кадр так, як оператор-постановник описав би його освітлювачу, і Veo 3.1 майже не має простору для хибних здогадів.

Шпаргалка кінематографічної лексики

Ці терміни прямо переносяться в генерації Veo 3.1. Копіюйте потрібні фрази у свої промпти.

Рухи камери

Крупності й ракурси

Освітлення

Розбори до і після

A: режисура камери — найбільший окремий важіль

Найвідчутніша зміна, яку ви можете внести в промпт для Veo 3.1, — це додати рух камери й фокусну відстань. Порівняйте:

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

З: "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."

Друга версія жодного разу не вживає слова "cinematic". Вона задає те, що робить кадр кінематографічним, — і модель рендерить намір, а не обирає одну з десяти загальних інтерпретацій.

B: дотримання стартового кадру при «зображенні у відео»

Veo 3.1 помітно сильно дотримується зображення, коли ви подаєте референс як стартовий кадр. Модель тримає композицію, колірну корекцію й ключові деталі персонажа з першого кадру й використовує їх як обмеження впродовж усієї генерації.

Практичне застосування: візьміть кадр із комерційної зйомки, рендер продукту чи концепт персонажа, подайте його як стартовий кадр у процесі «зображення у відео» в OmniArt, а потім напишіть промпт, що описує рух від цієї точки.

Промпт після подання предметного кадру як стартового:

"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."

Модель успадковує точне освітлення, розташування продукту й текстуру поверхні з вашого референсу й застосовує до них описаний рух, а не генерує сцену з нуля.

C: просторовий звук з одного рядка промпту

Просторовий звук Veo 3.1 не потребує окремого проходу — одного описового рядка про аудіо в промпті достатньо, щоб отримати багатошаровий звуковий ландшафт із відчуттям положення.

Фрагмент промпту:

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

Що видає модель: дощ присутній і має напрямок — його чутно просторово над сценою. Ринковий натовп займає середню відстань. Мотоцикл проїжджає стереополем саме так, як описано. Спрямованість походить від власної аудіоархітектури Veo 3.1, а не з постобробки. Називання шарів і їхніх просторових відношень — close, distant, passing left to right — дає моделі те, що потрібно для позиційного рендерингу.

Як обирати між standard, fast і lite

Veo 3.1 має в OmniArt три рівні. Правильний вибір залежить від завдання, а не від звички.

Коли 4K вартий додаткових кредитів: матеріали для великих екранів, головні кадри продукту, усе, що експортуватиметься в повній роздільній здатності, або роботи, де для брифа важлива деталізація фону й текстур. 4K доступний лише на veo-3.1-standard.

Коли 4K марнується: соціальні кропи в 1080p чи менше, чернетки руху, які ви й так перегенеруєте, усе, що ви радше досліджуєте, ніж здаєте. Для такої роботи беріть veo-3.1-lite — ітеруйте дешево, а потім перемикайтеся на standard для фінального проходу.

Типові помилки в промптах

Перевантажений рядок суб’єкта. "A middle-aged woman with curly red hair wearing a vintage coat standing by a canal in Amsterdam holding a bouquet of tulips looking wistful" вивалює стільки деталей наперед, що моделі доводиться самій обирати, які з них рендерити. Розбийте опис персонажа на те, що справді потрібне цьому кадру, а решту відпустіть.

Суперечливі вказівки камері. "Slow push-in with a wide pull-back" фізично неможливе — модель обере щось одне й проігнорує друге. Пишіть один вмотивований рух на промпт. Якщо вам потрібен кадр, який починається широко й наближається, це наїзд, і крапка.

Повне забуття про звук. Veo 3.1 згенерує аудіо незалежно від того, чи ви ним керували. Некерована генерація звуку — це не тиша, це найкраща здогадка моделі, яка може не збігтися з вашим наміром. Завжди завершуйте промпт одним рядком про звук, навіть якщо це просто no music, ambient room tone only.

Слово "cinematic" замість стилю. Слово "cinematic" просить модель ухвалити рішення, яке маєте ухвалити ви. Замініть його на конкретні візуальні властивості, яких ви справді хочете: об’єктив, світло, рух, палітра.

Як почати в OmniArt

Veo 3.1 — standard, fast і lite — доступна в просторі OmniArt для відео поряд із усіма іншими моделями бібліотеки. Найшвидший спосіб набити руку — узяти одну наявну ідею, записати її за формулою з п’яти частин вище й спершу згенерувати на veo-3.1-fast, щоб відшліфувати промпт до переходу на standard.

Ширшу кінематографічну лексику й те, як ті самі патерни промптів працюють з усім набором відеомоделей OmniArt, описано в посібнику з кінематографічних промптів для ШІ-відео. Коли захочете глибше зануритися саме в генерацію звуку Veo 3.1, посібник найкращі практики просторового звуку Veo 3.1 докладно розбирає багатошарові звукові ландшафти, позиційні звукові акценти й музичну режисуру. Пряме зіставлення Veo 3.1 з іншими моделями верхнього рівня — у матеріалі Veo 3.1 проти Sora 2.