Guia de prompts do Veo 3.1

O gerador de prompt para Veo 3.1 escreve um prompt nesta ordem; este guia explica cada parte. Para o modelo, veja a página do Veo 3.1.

O guia de prompts para o Veo 3.1 do Google traz cinco partes. A câmera vem primeiro porque decide o que o resto precisa preencher; o som vem depois, em frases próprias.

1. 1Comece com a câmera: tamanho de plano, ângulo, um movimento e, se importar, a lente.
2. 2Nomeie o elemento principal com os detalhes que não podem mudar.
3. 3Escreva uma ação no presente, do início ao fim.
4. 4Acrescente onde e quando, o clima e o fundo.
5. 5Defina o visual, a luz e a direção dela, e o clima.
6. 6Termine com o som: qualquer fala entre aspas depois de quem a diz, e depois “SFX:” e “Ambient noise:”.

O guia do Google DeepMind para o Veo 3 usa as mesmas partes e mostra cada prompt ao lado do vídeo, de uma linha a uma descrição longa, lance a lance. Um prompt escrito para o modelo anterior funciona no 3.1.

O Veo lê linguagem de cinema, então nomeie o plano como um operador de câmera faria. Estes termos vêm do guia de prompts do Google.

Um movimento por clipe: um dolly que vira arco em 8 segundos borra os dois. Para diálogo, um plano estático ou uma aproximação lenta com dolly mantém o rosto estável.

Todo clipe do Veo 3.1 tem som, feito junto com a imagem. O Google pede que você o descreva em frases próprias, e o guia do Veo 3.1 dele rotula cada camada. Veja áudio nativo.

1. 1Diga quem fala e depois a fala entre aspas: Uma mulher diz, em inglês: “We have to leave now.”
2. 2Dê um tom onde ele importa: ele diz com voz cansada, em inglês: “Not again.”
3. 3Coloque cada efeito depois de “SFX:”: SFX: a porta bate.
4. 4Coloque o fundo depois de “Ambient noise:”: Ambient noise: o zumbido da ponte de uma nave estelar.
5. 5Escreva a música como um som: uma trilha orquestral suave começa a tocar.

• Uma fala curta em 4 segundos, duas em 8: a fala corre a duas ou três palavras por segundo.
• Dê a cada fala alguém em cena que a diga, ou ela pode virar narração.
• Escreva as falas em inglês: a referência do modelo do Google lista o inglês como idioma do prompt. O Veo move os lábios na mesma geração; veja sincronização labial.

Legendas e fala embaralhada

O Google lista fala natural em falas curtas como um limite em que ainda está trabalhando. A MIT Technology Review encontrou legendas embaralhadas em clipes com diálogo mesmo quando o prompt pedia nenhuma; o conselho do Google foi gerar de novo. Então descreva um quadro limpo, deixe placas e legendas de fora, a menos que você queira palavras nelas, mantenha as falas simples e ouça cada tomada.

A duração é definida antes de o Veo ler o prompt, então escreva só o que os segundos comportam: uma ação mais longa sai apressada, uma fala mais longa é cortada.

O guia do Google também divide um clipe de 8 segundos em planos cronometrados, cada um começando com o seu intervalo, como [00:00-00:02]. Dois segundos é pouco, então guarde isso para quando os cortes importarem. O Veo faz só 16:9 ou 9:16; para quadrado ou 21:9, veja o guia de prompts do Kling 3.0.

As ferramentas do Google aceitam imagens de dois jeitos: um primeiro quadro para animar, ou até três imagens de referência de uma pessoa, um personagem ou um produto para manter num novo plano. Veja imagem para vídeo e referência para vídeo.

O exemplo de referência do Google nomeia o elemento principal de forma simples: “Uma pessoa entra carregando um vaso cheio de flores e coloca o vaso numa mesa de cozinha.” As referências funcionam no Veo 3.1 e no Fast, não no Lite, e o modelo completo então faz 8 segundos.

No DreamBench, as suas imagens viram fichas. O Veo 3.1 aceita até 3 em cada clipe, que então dura 8 segundos; no Fast e no Lite, o DreamBench desenha um quadro inicial a partir delas.

O Google oferece primeiro e último quadro nos três níveis: uma imagem inicial e uma final, e o Veo cria o movimento entre elas, com som, em 4, 6 ou 8 segundos (Google Cloud). Descreva a mudança, como faz o exemplo do Google: “uma mão entra no quadro e coloca um copo de leite ao lado do prato de biscoitos”. Mantenha os quadros parecidos na luz e no enquadramento. Veja primeiro e último quadro.

O DreamBench não oferece quadro inicial ou final para o Veo: o painel de criação desenha cada clipe a partir das suas referências, então a última frase do prompt diz como o plano termina.

A API do Google tem um campo de prompt negativo para o que você não quer. O guia de prompts dele diz para listar as coisas, “parede, moldura”, nunca “sem paredes”; no prompt principal, o guia do Veo 3.1 dele diz para descrever o resultado.

O DreamBench não envia ao Veo nenhum campo de prompt negativo. Os prompts que ele escreve levam uma linha curta “Negative:” citando legendas embutidas quando um clipe tem fala. Na página Vídeo, descreva o resultado e limite qualquer exclusão a uma linha final, como faz o gerador de prompt.

Dois clipes do Veo só concordam no que ambos receberam. O guia do Veo 3.1 do Google cria primeiro imagens de referência do elenco e do cenário. No prompt:

• Descreva cada personagem com as mesmas palavras todas as vezes: “uma mulher alta na casa dos sessenta, de cabelo prateado bem curto e jaqueta encerada verde”.
• Mantenha as roupas, os objetos, a hora do dia, a luz e a voz.

No DreamBench, cada personagem, lugar e objeto é desenhado uma vez como ficha, e todo plano em que ele aparece parte dela. Veja consistência de personagem.

O Google mostra dois jeitos de ir além de um plano: planos cronometrados dentro de um clipe de 8 segundos, ou clipes separados feitos a partir das mesmas referências. O DreamBench fica com o segundo: um filme é feito de várias gerações do Veo, um plano cada, montadas em sequência, então ele passa de 8 segundos e qualquer plano pode ser refeito.

• Uma ação por plano, em 4, 6 ou 8 segundos; no DreamBench, clipes do Veo 3.1 que levam fichas duram 8.
• Mude o enquadramento a cada corte, mantenha uma fala dentro de um só plano e deixe um som ambiente atravessar a junção.

Escreva cada plano com a fórmula, ou descreva o filme no DreamBench, que escreve, renderiza e monta cada plano. Veja vídeo multi-shot.

Cole estes prompts na página Vídeo do DreamBench ou em qualquer ferramenta do Veo 3.1.

Um gancho para a câmera

Vertical 9:16, 6 segundos. Plano de selfie com câmera na mão. Um jovem de gorro cinza num píer com vento ao amanhecer olha para a lente e diz, em inglês: “I tried every coffee in town. One won.” Luz fria e suave. Ambient noise: vento, gaivotas.

Duas pessoas conversando

Widescreen 16:9, 8 segundos. Plano a dois estático. Numa oficina de bicicletas, um cliente de jaqueta molhada pergunta, em inglês: “Ready by Saturday?” O mecânico gira a roda e diz: “Friday, if the parts turn up.” Luz quente de lâmpada. SFX: a catraca da roda livre estalando. Ambient noise: chuva num telhado de zinco.

Close de produto: um relógio

Widescreen 16:9, 6 segundos. Lente macro, dolly lento ao longo de um relógio de aço com mostrador verde sobre ardósia escura. Uma gota d’água escorre pelo vidro enquanto o ponteiro dos segundos passa pelo doze. Luz dura vindo da esquerda. SFX: um tique nítido.

Comida: alho no wok

Vertical 9:16, 4 segundos. Plano estático de cima. Alho fatiado cai em óleo quente num wok preto, espuma e fica dourado; o vapor sobe pela luz da janela. SFX: um chiado alto.

Um plano de estabelecimento

Widescreen 16:9, 8 segundos. Plano aéreo de drone, baixo, sobre uma vila de pescadores num fiorde à primeira luz, subindo para revelar picos nevados. Casas de madeira vermelhas, névoa sobre a água. Fotorrealista, luz fria que esquenta nos picos. Ambient noise: vento, motores distantes.

Um animal em ação

Widescreen 16:9, 6 segundos. Teleobjetiva, ângulo baixo. Uma lebre marrom dispara por um campo coberto de geada, desvia e para de repente, de orelhas em pé. Sol baixo de inverno atrás dela. SFX: patas batendo no chão. Ambient noise: um corvo ao longe.

Stop motion com música

Widescreen 16:9, 8 segundos. Animação em stop-motion com massinha, plano aberto estático. Uma raposa de massinha com cachecol de tricô monta um boneco de neve; a cabeça dele cai e a raposa suspira. Luz quente de estúdio. Uma melodia divertida de cordas dedilhadas começa a tocar. SFX: um plof suave.

Quatro planos em um clipe

Widescreen 16:9, 8 segundos. [00:00-00:02] Close de uma mão apertando um cronômetro. [00:02-00:04] Travelling baixo das sapatilhas de cravos batendo na pista. SFX: cravos na borracha. [00:04-00:06] Plano médio enquanto ela se inclina na linha de chegada. [00:06-00:08] Plano aberto em ângulo alto: ela desacelera, mãos nos joelhos, o estádio vazio. Ambient noise: a respiração dela.

A partir de um primeiro quadro

A mulher da imagem levanta os olhos do livro, vê a chuva começando na janela e sorri. Aproximação lenta com dolly. SFX: as primeiras gotas no vidro. Ambient noise: um café tranquilo.

Entre um primeiro e um último quadro

Widescreen 16:9, 8 segundos. Plano estático. As mãos de um ceramista erguem o barro molhado num vaso alto enquanto o torno gira, depois soltam. Luz do dia suave vindo de uma janela alta. SFX: o zumbido do torno.

Uma sequência de dois planos: a horticultora

Plano 1. Widescreen 16:9, 8 segundos. Plano aberto, panorâmica lenta para a direita. Uma mulher alta na casa dos sessenta, de cabelo prateado bem curto e jaqueta encerada verde, caminha entre repolhos cobertos de geada ao amanhecer, com uma cesta no braço. Luz azul fria. Ambient noise: botas no chão congelado, um pisco-de-peito-ruivo.

Plano 2. Widescreen 16:9, 6 segundos. Close estático. A mulher alta na casa dos sessenta, de cabelo prateado bem curto e jaqueta encerada verde, se ajoelha, tira a geada de um repolho e diz baixinho, em inglês: “Just in time.” O amanhecer ficando dourado. SFX: uma faca cortando um talo.

Os dois planos a descrevem com as mesmas palavras e mantêm a luz do amanhecer; o enquadramento muda no corte.

Um prompt fraco costuma ser curto: cada parte deixada de fora é uma escolha que o Veo faz por você.

• Um mesmo prompt gerado duas vezes dá dois clipes.
• Falas curtas podem soar artificiais, e legendas indesejadas podem aparecer: confira cada tomada.
• Uma geração para em 8 segundos, em 16:9 ou 9:16.
• Uma pessoa ou um produto real não pode ser reconhecido só por palavras; é preciso uma imagem que você tenha o direito de usar.
• Na página Vídeo do DreamBench, um prompt com mais de 2.600 caracteres é recusado.

• Um clipe: cole o seu prompt na página Vídeo e escolha Veo 3.1, Fast ou Lite, 4, 6 ou 8 segundos, 16:9 ou 9:16. Ele vai para o Veo como foi escrito.
• Um prompt: o gerador de prompt para Veo 3.1 o escreve na ordem deste guia, em texto ou JSON.
• Um filme: descreva-o, adicione até 8 imagens de referência e escolha o Veo 3.1. O DreamBench escreve e renderiza cada plano e os monta; refaça qualquer plano com uma observação.
• Não oferecido: quadro inicial ou final, campo de prompt negativo ou estender um clipe.

O modelo completo Veo 3.1 exige o plano Plus ou superior; o Fast e o Lite estão em todos os planos. O preço em créditos aparece antes de você gerar; na primeira vez, crie uma conta gratuita e escolha um plano. Para prompts só a partir de palavras, veja texto para vídeo.