veo-3.1-prompting

Veo 3.1 提示词

核心能力

Veo 3.1 可生成带原生音频合成和先进物理真实感的视频。主要规格：

• 分辨率：720p、1080p 或 4K
• 宽高比：16:9（横向）或 9:16（纵向）
• 时长：每次生成 4、6 或 8 秒（按至少 8 秒计费）
• 帧率：24 FPS（电影标准）
• 原生音频：与视频同步的对白、环境音和音乐
• 参考图像：最多 3 张图像，用于保持角色／风格一致性（“Ingredients to Video”）
• 高级控制：首帧／尾帧插值、用于多镜头叙事的时间戳提示

五段式公式

每条提示词都按以下顺序组织：

[电影摄影] + [主体] + [动作] + [背景] + [风格与音频]

示例：

跟拍镜头，跟随一位饱经风霜的渔夫在木制码头上修补渔网。黄金时刻的阳光穿过索具，形成耀斑。空气中可见盐雾。电影感 35mm 胶片颗粒。声音：海鸥鸣叫、绳索吱呀作响、轻柔的海浪声。

**关键点：**以摄像机运动开头。Veo 3.1 会大幅侧重提示词前部的词元。

1. 电影摄影规格

始终先指定镜头类型、摄像机运动和镜头特性。

镜头构图

• Extreme close-up（极特写）、Close-up（特写）、Medium shot（中景）、Wide establishing shot（广角建立镜头）
• Over-the-shoulder（过肩镜头）、POV（主观视角）、Bird's eye view（鸟瞰视角）、Worm's eye view（虫视视角）

摄像机运动（参见 camera-techniques.md）

• 线性：Dolly in/out（推／拉镜头）、Tracking shot（跟拍镜头）、Pan（摇镜头）、Tilt（俯仰镜头）、Truck（横移镜头）
• 动态：Handheld（手持拍摄）、Gimbal smooth（稳定器平滑运镜）、Whip pan（甩镜头）、Rack focus（移焦）
• 航拍：Drone descending（无人机下降）、Orbit clockwise（顺时针环绕）、Crane up（摇臂上升）

镜头与对焦

• Shallow depth of field with creamy bokeh
• Deep focus everything sharp
• Anamorphic lens with horizontal flares
• Macro lens for extreme detail

2. 主体规格

详尽描述主体的视觉细节，以保持一致性：

角色锚点（对多片段一致性至关重要）

• 外貌： “老人，银发剪得很短，饱经风霜的脸上左眉上方有一道疤”
• 衣着： “褪色的海军蓝粗呢大衣，黄铜纽扣已失去光泽，带流苏的羊毛围巾”
• 显著标记： “红框眼镜”、“前臂上有锚形纹身”、“金色怀表链”

物体细节

• 材质与状况： “拉丝钛，沾有指纹”、“带有旧化质感的皮革”
• 交互部位： “蒸汽从陶瓷杯口升起”、“冷玻璃上凝结着水珠”

3. 动作与物理效果

使用能展现物理交互的动态动词：

• 运动质感：strides confidently（自信地大步前行）、shuffles nervously（紧张地拖着步子走）、explodes outward（向外迸发）、cascades smoothly（顺畅地倾泻而下）
• 物理效果指标：realistic water displacement（逼真的水体排开效果）、accurate gravity（准确的重力效果）、cloth simulation（布料模拟）、hair physics（头发物理效果）
• 时间标记：gradually accelerating（逐渐加速）、suddenly freezing（突然静止）、continuously swirling（持续旋转）

物理效果优势：流体动力学、火焰／烟雾、织物运动、粒子系统（灰尘、雪、火花）。

4. 背景与氛围

营造环境和情绪：

光线

• 时间：dawn blue hour（黎明蓝调时刻）、golden hour（黄金时刻）、harsh midday（正午强光）、neon-lit night（霓虹灯夜景）
• 质感：volumetric god rays（体积光）、chiaroscuro shadows（明暗对照阴影）、soft diffused overcast（柔和漫射的阴天光）、practical lamp light（实景灯光）
• 效果：lens flare（镜头耀斑）、bloom（泛光）、atmospheric haze（大气薄雾）

环境

• 空间：cramped interior（狭窄的室内）、vast open landscape（辽阔的开阔地）、claustrophobic corridor（令人窒息的走廊）
• 天气：rain-streaked windows（雨水划过的窗户）、fog-choked streets（浓雾弥漫的街道）、snow-dusted（覆有薄雪）

5. 风格与音频合成

视觉风格（参见 style-reference.md）

• 类型：cinematic noir、BBC Earth documentary、Pixar 3D animation、vintage 16mm
• 色彩：teal and orange blockbuster grade、bleach bypass desaturated、vibrant anime saturation
• 纹理：film grain 35mm、digital sharpness、VHS tracking lines

原生音频（参见 audio-synthesis.md）

• 对白："沉稳的男中音：‘包裹已经送达。’"
• 环境音："咖啡馆里的低声交谈，陶瓷杯放在碟子上"
• 音效："令人满意的机械键盘敲击声"、"金属滑动并锁定的声音"
• 音乐："逐渐推向高潮的紧张弦乐"、"80 bpm 的 lo-fi 嘻哈节拍"

音频同步技巧

• 对白定时："在 2 秒处，角色开始说话"
• 配合动作："镜头推进时，音乐逐渐增强"
• 分层声音："先是基础环境音，然后是特定的拟音，最后是对白"

高级工作流

素材生成视频（保持角色一致性）

在需要让角色在多个片段中保持一致时使用：

1. 上传 1-3 张参考图片（角色面部、服装、环境）
2. 提示词结构："与参考图片中的同一位女性，现在走在东京的雨中街道上。保持红色皮夹克和波波头。"
3. 保持锚点一致："脸颊上同一处疤痕，同一对金色圈形耳环"

首尾帧插值

创建特定的转场：

1. 描述起始状态："红木桌上的密封信封"
2. 描述结束状态："打开的信封，信纸部分抽出，可见手写文字"
3. Veo 会生成两个状态之间流畅的 8 秒转场
4. 适用于：揭示、变形、镜头穿过传送门

时间戳提示（多镜头叙事）

将 8 秒拆分成精确片段，以控制叙事：

• 0-2s： 空旷沙漠公路的广角镜头，热浪升腾
• 2-4s： 摩托车速度表指针不断上升的特写
• 4-6s： 骑手倾身过弯的跟拍镜头，身后扬起尘土
• 6-8s： 摩托车消失在日落中的广角镜头，引擎声渐渐远去

模型选择

模型	速度	用途
veo-3.1-generate-001	标准	高质量商业内容、最终交付
veo-3.1-fast-generate-001	快速	快速迭代、社交媒体草稿、构图测试

结构化提示词（JSON）

对于复杂的商业工作流，请使用 JSON 结构：

{
  "project_meta": {
    "aspect_ratio": "16:9",
    "resolution": "1080p",
    "model": "veo-3.1-generate-001"
  },
  "scene": {
    "cinematography": "Macro lens, slow orbit 360 degrees",
    "subject": "Artisan coffee cup, steam rising in spiral patterns",
    "action": "Hand enters frame, gentle grip, lifting slowly",
    "context": "Minimalist white studio, softbox lighting from above",
    "style": "Premium commercial aesthetic, shallow depth of field",
    "audio": "Ceramic on ceramic sound, gentle sip, ambient cafe hum"
  },
  "timeline": [
    {"time": "0-3s", "focus": "Product detail, steam physics"},
    {"time": "3-6s", "focus": "Hand interaction, human element"},
    {"time": "6-8s", "focus": "Logo reveal, satisfying audio punctuate"}
  ]
}

技术限制

• 提示词限制： 2,000 个字符
• 图像输入： 素材生成视频的图像最大为 20MB（JPEG/PNG）
• 音频： 可原生生成，也可在后期制作中添加；Veo 音频在对白清晰简短（最多 1-2 句）时效果最佳
• 文本渲染： Veo 难以生成清晰可读的文字；避免关键文字叠加，或指定“风格化的不可读文字”
• 并发请求： 每个区域每分钟 50 个（免费层级）

故障排除

问题	解决方案
动作模糊	添加“锐利的动作捕捉，1/1000s 快门凝固”或“240fps 慢动作”
角色不一致	使用带参考图片的素材生成视频；通过独特服装或珠宝作为锚点
意外变形	指明刚性：“保持实体形态”“不发生变形”；使用负向提示
物理效果看起来不真实	明确说明“逼真的物理效果”“准确的重量和动量”
音频不同步	使用时间戳标记：“对白从 2s 开始”“声音与 4s 处的撞击同步”
光线平淡	指定对比效果：“戏剧性的侧光”“深邃的阴影”“轮廓光分离”
构图乏味	以动态镜头开头：“快速摇镜”“激进的跟拍镜头”“快速推轨靠近”

何时加载参考资料

任务	资源
摄像机运动术语	camera-techniques.md
视觉风格和调色	style-reference.md
特定类型的模板	prompt-patterns.md
音频生成技巧	audio-synthesis.md
可直接复制粘贴的模板	assets/prompt-templates/

---

Veo 3.1 的摄像机技巧

Veo 3.1 擅长电影语言和摄像机运动。使用精准术语可获得更好的运动控制效果。

运动类型

线性运动

术语	描述	最适用于
Dolly in/out	摄像机物理移动，靠近或远离主体	情绪揭示、焦点转换
Tracking shot	摄像机与主体平行移动	跟随主体、动态动作
Truck left/right	水平横向移动	展现环境
Pedestal up/down	不改变角度的垂直移动	逐步揭示、增强效果
Crane up/down	扫掠式垂直弧线运动	展现宏大规模
Push-in	在保持透视的同时变焦	强化瞬间

旋转运动

术语	描述	最适用于
Pan left/right	固定位置的水平旋转	扫视风景、跟随运动
Tilt up/down	固定位置的垂直旋转	展现高度、垂直主体
Orbit clockwise/counter-clockwise	围绕主体进行 360° 环绕运动	产品展示、戏剧性环绕
Dutch angle	倾斜的地平线	迷失感、紧张感、风格化动作

动态技巧

术语	描述	最适用于
Handheld	轻微、自然的抖动	纪录片式真实感、紧迫感
Gimbal smooth	稳定、流畅的运动	电影感跟拍、奢华美学
Whip pan	在主体之间快速模糊切换	活力、场景转换
Rack focus	在前景与背景之间切换焦平面	叙事焦点转换、强调景深
Slow push-in	摄像机缓慢推进	沉思、亲密的时刻

镜头构图层级

在摄像机运动术语前添加景别：

• Extreme close-up — 仅呈现细节（眼睛、纹理）
• Close-up — 头部和肩部
• Medium shot — 腰部以上
• Wide shot — 主体全身及周围环境
• Extreme wide/Establishing — 以环境为主
• Over-the-shoulder — 对话场景
• POV (Point of view) — 沉浸式视角
• Bird's eye view — 俯视视角，营造疏离感
• Worm's eye view — 仰视，营造赋权感或威慑感

速度和时间修饰词

• Slow-motion 240fps — 流畅、细节丰富的动作
• Real-time 24fps — 自然运动
• Time-lapse — 压缩时间，适用于云朵、建筑施工
• Hyperlapse — 移动延时摄影
• Staccato/jerky motion — 不均匀、机械、恐怖感

镜头特性

添加以下特性以控制光学风格：

• Anamorphic lens — 水平光晕、椭圆焦外虚化、电影感宽画幅
• Wide angle 16mm — 失真、开阔空间
• Telephoto 85mm — 空间压缩、人像视角
• Macro lens — 极近距离对焦、浅景深
• Fisheye — 球面失真、超广角
• Vintage lens — 柔和感、色差、独特个性

组合示例

眼睛的特写，缓慢推进，焦点转移至虹膜中的倒影，变形宽银幕光晕

广角建立镜头，摄像机穿过云层向下摇臂，展现山谷，金色时刻的光线

手持中景跟随主体穿过拥挤的市场，快速摇摄至街道标牌