scenario-veo

Scenario Veo Video

概述

Scenario 上的 Google 视频系列 Veo 在撰写本文时包含四个成员：Veo 3.1（完整画质，支持参考图像并可切换风格）、Veo 3.1 Fast（模式相同、速度更快，但没有切换选项）、Veo 3.1 Lite（仅支持帧锚点，价格最低）以及 Veo 3.1 Extend Video（延续片段）。使用 search 查找它们，并将 model_schema_get 视为接口约定：各成员的参数名称一致，但支持的输入类型各不相同。

连接方式和核心循环：请参阅此仓库中的 scenario 技能；与模型无关的视频工作：请参阅 scenario-video 技能。如果此处提到的同名技能不在你可用的技能中，请让用户安装（npx skills add scenario-labs/skills --skill <name>）；若无人值守，请根据工具架构继续操作，并指出这一缺失。

快速参考

模式由输入决定（名称取自实时架构）：

模式	输入	行为
文本	prompt	aspectRatio 为 16:9 或 9:16
首帧	image（+ prompt）	以该帧开场；图像比例不匹配时可能会被裁剪
转场	image + lastFrameImage	衔接静帧；提示词描述一个连续运镜
参考	referenceImages（1 到 3 张）	保持主体或风格一致；duration 固定为 8
延长	video（Extend 成员）	延续片段；16:9 源视频，短边为 720p 或 1080p

image 和 referenceImages 不能同时使用。只有完整的 Veo 3.1 提供 referenceImagesType，它会以同一种方式处理整个数组：ASSET（默认）保留主体、物体和场景；STYLE 保留调色、光照和纹理。Fast 支持参考图像，但没有切换选项；Lite 不支持参考图像。在撰写本文时，三个生成器共有的参数包括：negativePrompt、resolution（720p、1080p）、duration（4、6 或 8 秒）和 seed。每个成员都必须设置 generateAudio，且该设置会影响价格。Extend 成员仅接受 prompt、video、generateAudio 和 seed：不支持时长、分辨率或宽高比控制。在撰写本文时，单次图生视频任务中，Lite 与完整 3.1 的价格相差约五倍；一次延长的费用甚至高于重新完整生成。因此，应尽量在一次 8 秒生成中完成镜头，并在批量运行前对两个成员使用相同的负载执行 dry_run。

提示词中的声音设计

设置 generateAudio: true 时，Veo 会生成同步的对白、音效和环境声，并会严格按照音频指示生成。将台词放在引号中，用 SFX: 标注音效，用 Ambient noise: 标注环境声。即使提示词没有音频指示，也仍会生成配乐，只不过可能不是你想要的效果。若片段需要静音，以便之后配乐，请设置 generateAudio: false，不要只在提示词中要求安静。

提示一个连续镜头

使用现在时态的文字，按电影摄影、主体、动作、背景、风格的顺序组织：先写摄影机和镜头景别，再描述一个主要动作弧线，篇幅约 90 到 250 个英文单词。若一个片段包含多个节拍，可使用时间戳行（[00:00-00:02] Medium shot...），各时间段应在所选时长范围内。

示例：根据角色参考制作对话镜头

1. 使用 target="models"、query="veo"、public=true 执行 search。优先选择最新且未弃用的结果，例如 model_veo3-1 和 model_veo3-1-fast（撰写本文时的实时结果；每次会话都要重新查找）。
2. 对选定的 ID 执行 model_schema_get：先确认有哪些参考输入，再编写负载。
3. 上传两张角色静帧（参见 scenario 技能），以获取资源 ID。
4. 使用该 model_id 执行 model_run，设置 dry_run=true，并使用 parameters={"prompt": "Medium shot, the knight lowers her visor and says, \"Hold the line.\" Torchlight flickers on wet stone. Ambient noise: distant thunder. SFX: metal visor clank.", "referenceImages": ["asset_a", "asset_b"], "referenceImagesType": "ASSET", "duration": 8, "resolution": "1080p", "aspectRatio": "16:9", "generateAudio": true}。 对 Fast ID 估算同一任务（省略 referenceImagesType，该模型不支持此项），并进行比较。
5. 再次执行 model_run，设置 wait=false，然后使用返回的任务 ID 执行 jobs_wait；超时时使用 pending_job_ids 再次调用，绝不要第二次执行 model_run。
6. 使用 asset_display 查看输出并检查声音。若只调整措辞，请在每次重新运行时固定显式的 seed。

常见错误

• 同时使用 image 和 referenceImages：两者互斥；选择首帧状态或一致性参考。
• 使用 referenceImages 时设置除 8 以外的时长：参考模式仅支持 8 秒。
• 向 Lite 发送 referenceImages，或向 Fast 发送 referenceImagesType：具体支持哪些输入由架构决定。
• 省略 generateAudio：每个成员都必须提供此项，请显式传入。
• 延长 9:16 视频片段：Extend 仅接受短边为 720p 或 1080p 的 16:9 源视频。
• 将提示词写成负面要求清单：描述想要的场景，仅将 negativePrompt 用于说明需要避免的内容。