veo-3

Veo（视频提示词创作）

编写提示词，让 Veo（Google 的视频模型，Veo 3.1；使用 Fast/Lite 档位进行低成本迭代）生成电影感片段。这是三层设置中的提示词创作层，也是 nano-banana 的视频对应方案：

• 连接/API（模型 ID、异步生成与轮询、生成 → 上传到 WoopSocial Media → 附加流程）→ tools/integrations/veo.md。
• 提示词创作（本技能）→ 如何有效地引导生成合适的片段。
• 技能内应用→ reels-script 的 veo-prompt-pack。

这是一个快速发展的领域——每季度重新核实模型名称/规格。

适合使用 Veo 的场景……（按任务选择）

它真正的优势：原生同步音频（对话 + 口型同步、音效、环境音、音乐——这是它的差异化优势）、电影级真实感/物理效果、图像转视频、参考图一致性、首帧/末帧控制，以及原生 9:16 竖屏 / 4K。以下场景应另选工具：纯口播讲解视频（→ heygen 等虚拟形象工具）、成本更低的原生 4K/多镜头/动作迁移（→ kling）、HDR/氛围感镜头（→ luma）、长时间连续视频（拼接/延长片段，或使用可生成长视频的工具），或高度风格化/超高产量的视频。不要默认所有任务都用它。（详情：references/when-and-how-to-prompt.md。）

第 0 步——了解品牌与任务

加载 brand-profile.md（视觉风格、配色、语气）。确定任务（B-roll / 产品动态 / 钩子画面 / 发言人 / 广告 / 静态图动画）和宽高比（社交媒体使用 9:16）。

第 1 步——指导镜头（使用自然语言，不要堆砌质量词）

像导演一样描述镜头：主体 · 动作 · 场景 · 摄影机（类型/运动/角度/镜头）· 灯光/氛围 · 风格 · 音频 · 时长。每个片段只设置一个明确动作。设置为 9:16。内容要符合品牌风格。参见 references/when-and-how-to-prompt.md。

第 2 步——发挥强项：音频

Veo 一次生成即可提供原生同步音频——明确描述：引号中的对话（+ 说话者/语气）、音效、环境音、音乐氛围。品牌内容中的生成音频应视为草稿/参考音轨（最终版本录制真实配音 / 使用授权音乐），并核实口型同步效果。通过指导摄影机/动作来营造电影感。参见 references/audio-and-camera.md。

第 3 步——输入、时长与配方

• 图像转视频：为静态图添加动画（例如 nano-banana 生成的画面）——该图会成为首帧；你需要描述动作 + 音频。使用参考图 / 首帧与末帧来保持一致性并控制画面。
• 时长：一次生成约 8 秒（4/6/8 秒）；第一秒内设置钩子；更长的视频可使用场景延长或拼接。按短节拍规划。
• 根据任务选择配方（B-roll、产品动态、钩子、发言人、广告、静态图动画）。参见 references/inputs-length-and-recipes.md。

第 4 步——低成本迭代，然后核验、披露并发布

• 使用低分辨率 / Fast 迭代以确定提示词；再用高分辨率/4K 完成最终版本（4K 耗时/成本约高出 40–60%）。不符合提示词的生成结果仍会消耗点数——提示词技巧是控制成本的关键；视频生成是异步的。
• 发布前核验每个片段（瑕疵、口型同步、物理效果）。
• 根据平台/地区要求披露 AI 视频（欧盟《人工智能法案》；TikTok 自动披露）；每个片段都带有 SynthID 水印——不要将其冒充为真实拍摄的素材。
• **发布：**按照集成指南生成 → 上传到 WoopSocial Media → 附加，使用 scheduling-and-queue。WoopSocial 不生成视频。

质量标准 — 自检

• 我是否根据任务选择了合适的工具（并将真人出镜／长视频任务转交给其他工具）？
• 提示词是否是有明确指导的镜头（主体／动作／摄像机／灯光／风格），基于品牌、9:16，并且明确指定了音频提示？
• 我是否按8 秒片段进行规划（先做钩子），并采用先低成本迭代 → 再定稿的方式？
• 对于静态图片，我是否使用了图生视频（并在适用时使用参考帧／首尾帧）？
• 我是否处理了 SynthID + 披露、将音频视为草稿、验证输出，并拒绝涉及真实人物／知识产权的请求？
• 我是否指向 tools/integrations/veo.md，以说明 API + WoopSocial 流程（不声称 WoopSocial 会生成视频）？

边界情况与异议处理

• 真人出镜讲解／大量对话 → 建议使用虚拟形象工具（heygen）；不要强行使用 Veo。
• “制作一段 40 秒的视频” → 每次生成约 8 秒；扩展／拼接场景；规划简短片段。
• “现在生成 10 个最终版 4K 带音频的变体” → 先低成本迭代；4K／音频成本高且为异步处理。
• “一个人，电影感，4k，令人惊艳” → 改写为有明确指导的镜头（主体／摄像机／灯光／音频）。
• 真实人物／受版权保护的 IP／“作为真实影像发布” → 拒绝；使用 SynthID 并披露；提供原创替代方案。
• “在 WoopSocial 中生成” → WoopSocial 不会生成视频；此操作会调用 Veo，然后将片段上传到 Media 并附加。

相关内容

• tools/integrations/veo.md — API／模型 ID、异步生成与轮询、定价、上传至 WoopSocial 的流程。
• reels-script（veo-prompt-pack）— 使用此工具的技能；nano-banana — 图像领域的同类技能及图生视频来源。
• brand-profile — 视觉品牌；hook-writer — 片段中的钩子／台词；heygen — 虚拟形象／真人出镜替代方案。
• ai-video — 此技能上层的路由器；kling（4K／多镜头／运动）和 luma（HDR／氛围、无声）— 生成式同类工具。
• scheduling-and-queue — 将视频附加到帖子并发布。

参考资料

• references/when-and-how-to-prompt.md — 何时选择 Veo 而非其他工具，以及镜头／提示词的构成。
• references/audio-and-camera.md — 原生音频的优势（对话／音效／环境音）以及摄像机／运动方向。
• references/inputs-length-and-recipes.md — 图生视频、参考帧／首尾帧、8 秒限制与扩展、社交媒体方案。
• references/examples.md — 从弱到强的提示词、音频丰富的片段、图生视频、竖屏钩子，以及如实说明适用范围。