谷歌官方发布Veo 3.1 终极提示指南

谷歌官方发布Veo 3.1 终极提示指南 谷歌官方发布Veo 3.1 终极提示指南 Modified October 28, 2025 No access dl (1) 00:00 No access dl (2) 00:00 No access dl (3) 00:00 第 2 步：创建结束帧： 使用 Gemini 2.5 Flash Image 生成第二张互补图像，例如不同的 POV 角度。 Gemini 2.5 Flash Image 提示： “POV 从舞台上的歌手身后拍摄，看着一大群欢呼的人群。舞台灯光明亮，产生镜头眩光。你可以在前景中看到歌手的后脑勺和肩膀。观众是一片灯光和剪影的海洋。充满活力的气氛。 第 3 步：使用 Veo 制作动画。 使用 第一帧和最后一帧 功能 将两张图像输入 Veo 。在您的提示中，描述您想要的过渡和音频。 Veo 3.1 提示：“摄像机执行一个平滑的 180 度弧线镜头，从歌手的正面视图开始，围绕她转圈，无缝地结束在舞台上她身后的 POV 镜头。歌手唱道 ”当你看着我的眼睛时，我可以看到一百万颗星星“。 No access dl (4) 00:00 工作流程二：用“原料到视频” 构建对话场景 这种工作流程非常适合利用 Veo 3.1 制作对话的能力，创建具有一致角色参与对话的多镜头场景。 第 1 步：生成您的“成分”： 使用 Gemini 2.5 Flash Image 为您的角色和场景创建参考图像。 第 2 步：合成场景： 使用 “ 成分到视频 ” 功能与相关参考图像。 提示“使用为侦探、女人和办公室环境提供的图像，创建侦探在办公桌后面的中等镜头。他抬头看着那个女人，用疲惫的声音说：”在这个镇上所有的办公室中，你必须走进我的办公室。 No access dl (5) 00:00 提示： “使用为侦探、女人和办公室环境提供的图像，创建一个以女人为重点的镜头。当她回答说：”强烈推荐你时，她的嘴角浮现出一丝神秘的微笑。 No access dl (6) 00:00 工作流程 3：时间戳提示 此工作流程允许您在一代中指导具有精确电影节奏的完整多镜头序列。通过将动作分配给定时片段，您可以有效地创建包含多个不同镜头的完整场景，从而节省时间并确保视觉一致性。 提示示例： [00:00 00:02] Medium shot from behind a young female explorer with a leather satchel and messy brown hair in a ponytail, as she pushes aside a large jungle vine to reveal a hidden path. [00:02 00:04] Reverse shot of the explorer's freckled face, her expression filled with awe as she gazes upon ancient, moss covered ruins in the background. SFX: The rustle of dense leaves, distant exotic bird calls. [00:04 00:06] Tracking shot following the explorer as she steps into the clearing and runs her hand over the intricate carvings on a crumbling stone wall. Emotion: Wonder and reverence. [00:06 00:08] Wide, high angle crane shot, revealing the lone explorer standing small in the center of the vast, forgotten temple complex, half swallowed by the jungle. SFX: A swelling, gentle orchestral score begins to play. 在 Vertex AI 中使用 Veo 3.1 开始创作 您现在拥有了精确指导 Veo 的框架。掌握这些技术的最佳方法是将它们应用于实际用例。 对于开发人员和企业用户，改进后的 Veo 3.1 模型可 通过 API 在 Vertex AI 上预览。 这使您可以尝试这些高级提示工作流程，并将强大、受控的视频生成功能直接构建到您自己的应用程序中。 感谢 Anish Nangia、Sabareesh Chinta 和 Wafae Bakkali 为为客户提供提示指导所做的贡献。 发表于 • 人工智能和机器学习 Vertex AI https://cloud.google.com/vertex ai/generative ai/docs/model reference/veo video generation 人工智能和机器学习 No access dl (1) 00:00 No access dl (1) 00:00 No access dl (2) 00:00 No access dl (2) 00:00 No access dl (3) 00:00 No access dl (3) 00:00 第 2 步：创建结束帧： 使用 Gemini 2.5 Flash Image 生成第二张互补图像，例如不同的 POV 角度。 Gemini 2.5 Flash Image 提示： “POV 从舞台上的歌手身后拍摄，看着一大群欢呼的人群。舞台灯光明亮，产生镜头眩光。你可以在前景中看到歌手的后脑勺和肩膀。观众是一片灯光和剪影的海洋。充满活力的气氛。 第 3 步：使用 Veo 制作动画。 使用 第一帧和最后一帧 功能 将两张图像输入 Veo 。在您的提示中，描述您想要的过渡和音频。 Veo 3.1 提示：“摄像机执行一个平滑的 180 度弧线镜头，从歌手的正面视图开始，围绕她转圈，无缝地结束在舞台上她身后的 POV 镜头。歌手唱道 ”当你看着我的眼睛时，我可以看到一百万颗星星“。 No access dl (4) 00:00 No access dl (4) 00:00 工作流程二：用“原料到视频” 构建对话场景 这种工作流程非常适合利用 Veo 3.1 制作对话的能力，创建具有一致角色参与对话的多镜头场景。 第 1 步：生成您的“成分”： 使用 Gemini 2.5 Flash Image 为您的角色和场景创建参考图像。 第 2 步：合成场景： 使用 “ 成分到视频 ” 功能与相关参考图像。 提示“使用为侦探、女人和办公室环境提供的图像，创建侦探在办公桌后面的中等镜头。他抬头看着那个女人，用疲惫的声音说：”在这个镇上所有的办公室中，你必须走进我的办公室。 No access dl (5) 00:00 No access dl (5) 00:00 提示： “使用为侦探、女人和办公室环境提供的图像，创建一个以女人为重点的镜头。当她回答说：”强烈推荐你时，她的嘴角浮现出一丝神秘的微笑。 No access dl (6) 00:00 No access dl (6) 00:00 工作流程 3：时间戳提示 此工作流程允许您在一代中指导具有精确电影节奏的完整多镜头序列。通过将动作分配给定时片段，您可以有效地创建包含多个不同镜头的完整场景，从而节省时间并确保视觉一致性。 提示示例： [00:00 00:02] Medium shot from behind a young female explorer with a leather satchel and messy brown hair in a ponytail, as she pushes aside a large jungle vine to reveal a hidden path. [00:02 00:04] Reverse shot of the explorer's freckled face, her expression filled with awe as she gazes upon ancient, moss covered ruins in the background. SFX: The rustle of dense leaves, distant exotic bird calls. [00:04 00:06] Tracking shot following the explorer as she steps into the clearing and runs her hand over the intricate carvings on a crumbling stone wall. Emotion: Wonder and reverence. [00:06 00:08] Wide, high angle crane shot, revealing the lone explorer standing small in the center of the vast, forgotten temple complex, half swallowed by the jungle. SFX: A swelling, gentle orchestral score begins to play. 在 Vertex AI 中使用 Veo 3.1 开始创作 您现在拥有了精确指导 Veo 的框架。掌握这些技术的最佳方法是将它们应用于实际用例。 对于开发人员和企业用户，改进后的 Veo 3.1 模型可 通过 API 在 Vertex AI 上预览。 这使您可以尝试这些高级提示工作流程，并将强大、受控的视频生成功能直接构建到您自己的应用程序中。 Vertex AI https://cloud.google.com/vertex ai/generative ai/docs/model reference/veo video generation 感谢 Anish Nangia、Sabareesh Chinta 和 Wafae Bakkali 为为客户提供提示指导所做的贡献。 发表于 • 人工智能和机器学习 人工智能和机器学习 🔗 原文链接： https://cloud.google.com/blog/produ... https://cloud.google.com/blog/produ... Veo 3.1 的终极提示指南 如果一张图片胜过千言万语，那么一段视频就胜过一百万。 对于创作者来说，生成视频有望将任何故事或概念变为现实。然而，现实往往是一个令人沮丧的“提示和祈祷”循环——输入提示并希望获得可用的结果，几乎无法控制角色的一致性、电影质量或叙事连贯性。 本指南是 指导 Veo 3.1 的框架，Veo 3.1 是 我们的最新模型，标志着从简单生成到创意控制的转变。Veo 3.1 建立在 Veo 3 的基础上，在将图像转换为视频时具有更强的提示依从性和更高的视听质量。 Veo 3.1 的框架，Veo 3.1 您将在本指南中学到什么： • 了解 Veo 3.1 在 Vertex AI 上的全部功能。 • 实施 一个公式来指导具有一致角色和风格的场景。 • 使用专业的电影技术直接视频和声音。 • 通过 在高级工作流程中将 Veo 与 Gemini 2.5 Flash Image （Nano Banana） 相结合，执行复杂的想法。 Veo 3.1 模型功能 首先，了解模型的全部功能至关重要。 Veo 3.1 将 音频引入现有功能，帮助您制作完美的场景。这些功能是实验性的，并且正在积极改进，我们很高兴看到您在根据您的反馈进行迭代时创建的内容。 Veo 3.1 核心生成功能： • 高保真视频： 生成 720p 或 1080p 分辨率的视频。 • 纵横比： 16：9 或 9：16 • 可变片段长度： 创建 4、6 或 8 秒的片段。 • 丰富的音频和对话： Veo 3.1 擅长生成逼真的同步声音，从多人对话到精确定时的音效，所有这些都由提示引导。 • 复杂的场景理解： 该模型对叙事结构和电影风格有更深入的理解，使其能够更好地描绘角色互动并遵循讲故事的线索。 高级创意控件： • 改进的图像到视频： 为源图像制作动画，具有更高的提示依从性和增强的视听质量。 • 具有 “视频成分”的一致元素： 提供场景、角色、对象或风格的参考图像，以在多个镜头中保持一致的美感。此功能现在包括音频生成。 • 使用 “第一帧和最后一帧”进行无缝过渡： 在 提供的开始图像和结束图像之间生成自然的视频过渡，并配有音频。 • 添加/删除对象： 从生成的视频中引入新对象或删除现有对象。Veo 保留场景的原始构图。 • 数字水印： 所有生成的视频都标有 SynthID，表明内容是人工智能生成的。 注意： 添加/删除对象当前 使用 Veo 2 模型，不生成 音频。 有效提示的公式 结构化提示可产生一致的高质量结果。考虑这个由五部分组成的公式以实现最佳控制。 [摄影] + [主题] + [动作] + [背景] + [风格和氛围] • 摄影： 定义摄影和镜头构图。 • 主题： 确定主角或焦点。 • 动作： 描述主题正在做什么。 • 上下文： 详细说明环境和背景元素。 • 风格和氛围： 指定整体美感、情绪和照明。 示例提示： 中景镜头，一位疲惫的企业员工，深夜在杂乱的办公室里，在一台笨重的 1980 年代电脑前，疲惫地揉着太阳穴。场景被刺眼的荧光灯照亮，头顶上发出刺眼的荧光灯和单色显示器的绿光。复古美学，拍摄得仿佛在 1980 年代的彩色胶片上，略带颗粒感。 基本提示技术 掌握这些核心技术将使您能够精细控制您这一代人的各个方面。 电影摄影的语言 提示 中的 [电影摄影] 元素是传达语气和情感的最强大工具。 • 相机移动： 推车镜头 、 跟踪镜头 、 起重机镜头 、 鸟瞰 图 、 慢速平移 、 POV 镜头 。 起重机射击示例 提示词：鹤从一个孤独的徒步旅行者身上低处开始，然后上升到高处，揭示他们在日出时站在一个巨大的、充满薄雾的峡谷边缘，史诗般的奇幻风格，令人敬畏，柔和的晨光。 • 构图： 广角 、 特写 、 极限特写 、 低角度 、 双拍 。 • 镜头和对焦： 浅景深 、 广角镜头 、 柔焦 、 微距镜头 、 深焦 。 浅景深示例 提示词：特写镜头，景深非常浅，一个年轻女子的脸，看着公交车窗外经过的城市灯光，玻璃上隐约可见她的倒影，暴雨中的夜间公交车内，冷蓝色调的忧郁情绪，喜怒无常，电影化。 指导声场 Veo 3.1 可以根据您的文本说明生成完整的配乐。 • 对话： 对特定言论使用引号（例如， 一位女士说：“我们现在必须离开。 ”）。 • 音效 （SFX）： 清晰地描述声音（例如， SFX：远处的雷声裂缝 ）。 • 环境噪音： 定义背景音景（例如， 环境噪音：星际飞船桥的安静嗡嗡声 ）。 掌握负面提示 要优化您的输出，请描述您希望排除的内容。例如，指定“没有建筑物或道路的荒凉景观”，而不是“没有人造结构”。 使用 Gemini 进行提示增强 如果您需要添加更多细节，请使用 Gemini 分析并使用更具描述性和电影感的语言来丰富简单的提示。 高级创意工作流程 虽然单个、详细的提示很强大，但多步骤工作流程通过将创作过程分解为可管理的阶段，提供了无与伦比的控制。以下工作流程演示了如何将 Veo 3.1 的新功能与 Gemini 2.5 Flash Image （Nano Banana） 相结合，以执行复杂的愿景。 工作流程 1：“第一帧和最后一帧” 的动态过渡 此技术允许您在两个不同的视角之间创建特定且受控的摄像机移动或转换。 第 1 步：创建起始帧： 使用 Gemini 2.5 Flash Image 生成您的初始镜头。 Gemini 2.5 Flash Image 提示： “一位女流行歌星对着老式麦克风热情地唱歌的中镜头。她站在一个黑暗的舞台上，由来自前面的一盏戏剧性的聚光灯照亮。她闭着眼睛，捕捉一个激动人心的时刻。照片级逼真，电影感十足。