跳到主要内容

视频

Veo 3.1 提示词指南

写 Veo 3.1 提示词，就按 Google 的顺序描述一个镜头：镜头与构图、主体、动作、环境，然后是风格、光线和氛围。接着写能听到什么：对白放在引号里，跟在说话人后面；音效写在“SFX:”之后；背景声写在“Ambient noise:”之后。动作要控制在 4、6 或 8 秒之内。

作者：DreamBench 团队。更新于 。步骤已于 对照以下页面核实：Google Cloud：Veo 3.1 提示词指南、Google DeepMind：Veo 提示词指南和 Google Cloud：视频生成提示词指南。

Veo 3.1 提示词概览

概览

公式
摄影手法、主体、动作、环境、风格与氛围，然后是声音。
单次生成
4、6 或 8 秒，16:9 或 9:16，始终带声音。
声音提示
对白放在引号里，跟在说话人后面；音效用“SFX:”，背景声用“Ambient noise:”。
提示词长度
大多数片段写 50 到 150 个词；在 DreamBench 上最多 2,600 个字符。
在 DreamBench 上
“视频”页面提供 Veo 3.1、Fast 和 Lite，提示词原样发送；Veo 3.1 支持 4K。

Veo 3.1 提示词生成器按这个顺序写提示词；本指南逐一解释每个部分。关于模型本身，请参阅 Veo 3.1 页面。

Google 的 Veo 3.1 提示词公式，逐部分讲解

Google 的 Veo 3.1 提示词指南给出了五个部分。镜头放在最前面，因为它决定了其余部分要填满什么；声音随后用单独的句子来写。

摄影手法 → 主体 → 动作 → 环境 → 风格与氛围 → 声音
为什么重要较强较弱
摄影手法镜头决定每一秒画面里有什么。低角度跟拍，35mm 镜头。电影感镜头。
主体你写明的细节，就是 Veo 会保持不变的细节。一位穿芥末黄雨衣、戴白色头盔的骑车人一个骑车的人
动作一个有结尾的动词，让片段有完整的形态。在路边刹车，脱开一只脚的锁踏，回头看在骑车
环境写明地点、时间和天气，Veo 就不会自己编造。黄昏时分，在阿姆斯特丹一座湿漉漉的石板桥上在城市里
风格与氛围光源可以被渲染出来；夸奖的词不行。照片级写实，清冷的黄昏，左侧店铺透出温暖的灯光。唯美，8K，杰作。
声音Veo 始终会生成声音；不写明，就由它来选。SFX: 刹车尖啸。Ambient noise: 轮胎碾过湿石板。好听的音频。
  1. 开头写镜头：景别、角度、一种运镜，必要时再写镜头焦段。
  2. 写出主体，并写明不能改变的细节。
  3. 按正在发生的方式写一个动作，从开始写到结束。
  4. 加上地点和时间、天气以及背景。
  5. 设定画面风格、光线及其方向，以及氛围。
  6. 最后写声音：台词放在引号里，跟在说话人后面，然后是“SFX:”和“Ambient noise:”。

Google DeepMind 为 Veo 3 写的指南使用同样的几个部分，并把每条提示词与它生成的视频并排展示，从一句话到一长段逐步描述都有。为旧模型写的提示词在 3.1 上同样适用。

Veo 3.1 运镜、角度和镜头提示词

Veo 能读懂电影语言，所以要像摄影师那样写出镜头。这些术语来自 Google 的提示词指南。

Veo 3.1 的运镜用语及写法
作用写法
固定镜头不移动；由动作撑起整个镜头。固定镜头，中近景。
推轨朝主体靠近或远离。缓慢推轨推近到特写。
跟拍镜头随主体一起移动。在她侧面跟拍。
摇镜（左右与上下）在原地转动。缓慢向左摇过港口。
摇臂镜头上升或下降，展现画面。摇臂镜头升起，展现出峡谷。
航拍视角从空中俯瞰。无人机航拍掠过群岛。
弧形运镜围绕主体旋转。弧形运镜，绕她转半圈。
手持或主观视角人手的晃动，或角色的视角。主观视角拍握着方向盘的双手。
低角度或高角度让主体显得高大压迫，或显得渺小。低角度拍摄雕像。
广角或长焦把整个地点收进画面，或把远处的主体单独突出。在街对面用长焦镜头拍摄。
微距镜头让微小的东西占满画面。微距镜头拍薰衣草上的一只蜜蜂。
浅景深主体清晰，背景虚化。85mm 镜头，浅景深。
移焦焦点在镜头中途转移。焦点从戒指移到她的脸上。

每个片段一种运镜：在 8 秒内由推轨变成弧形运镜，两者都会糊掉。对白镜头用固定镜头或缓慢推轨推近，能让面孔保持稳定。

如何让 Veo 3.1 说话：对白、音效和环境声

每个 Veo 3.1 片段都有声音，与画面一同生成。Google 要求你用单独的句子来描述声音，它的 Veo 3.1 指南还为每一层声音加上了标签。参见原生音频。

  1. 先写说话人，再把台词放在引号里：一个女人说：“We have to leave now.”
  2. 在重要的地方加上语气：他用疲惫的声音说：“Not again.”
  3. 每个音效都写在“SFX:”之后：SFX: 门砰地关上。
  4. 背景声写在“Ambient noise:”之后：Ambient noise: 星舰舰桥的嗡嗡声。
  5. 把音乐当作一种声音来写：一段轻柔的管弦乐配乐响起。
  • 4 秒一句短台词，8 秒两句：说话速度约为每秒两到三个词。
  • 每句台词都要有画面中的说话人，否则可能变成旁白。
  • 台词用英语写：Google 的模型参考把英语列为提示词语言。Veo 会在同一次生成中对上口型；参见口型同步。

字幕与含糊不清的语音

Google 把短句中的自然语音列为仍在改进的局限。MIT Technology Review 发现，即使提示词要求不加字幕，带对白的片段仍会出现乱码字幕；Google 的建议是重新运行。所以，描述一个干净的画面，除非你想让招牌和说明文字上出现字，否则不要写它们；台词保持平实，每一条结果都要听一遍。

Veo 3.1 提示词该写多长：4 秒、6 秒和 8 秒各能容纳多少内容

片段时长在 Veo 读取提示词之前就已确定，所以只写秒数容纳得下的内容：动作太长会被仓促完成，台词太长会被截断。

一个 Veo 3.1 片段能容纳多少内容
能容纳的内容提示词长度
4 秒一个动作加一个声音，或一句大约八个词的台词。30 到 60 个词
6 秒一个有结果的动作，或一句台词加一个反应。50 到 100 个词
8 秒一段铺垫加一个高潮、两句短台词，或四个标好时间的镜头。60 到 150 个词

Google 的指南还会把一个 8 秒片段拆成定时镜头，每个镜头以时间范围开头，比如 [00:00-00:02]。两秒很短，所以只在剪切很重要时才这样用。Veo 只能生成 16:9 或 9:16；如需方形或 21:9，请参阅 Kling 3.0 提示词指南。

Veo 3.1 图生视频与参考图提示词

Google 的工具以两种方式接受图片：一张用来做动画的首帧，或最多三张同一个人、角色或产品的参考图，让其在新镜头中保持不变。参见图生视频和参考生视频。

给 Veo 3.1 提供图片时该写什么
图片已确定的内容提示词要写的内容
一张首帧主体、地点、光线和画面风格。只写会动的部分、运镜和声音。
参考图主体的样子，而不是它在哪里。整个镜头，并用文字点明主体。

Google 的参考图示例直白地点明了主体：“一个人捧着插满鲜花的花瓶走进来，把花瓶放在厨房桌上。”参考图适用于 Veo 3.1 和 Fast，不适用于 Lite，而且此时完整版模型生成 8 秒的片段。

在 DreamBench 上，你的图片会变成设定图。Veo 3.1 的每个片段最多可带 3 张，此时片段时长为 8 秒；在 Fast 和 Lite 上，DreamBench 会根据它们绘制一张首帧。

Veo 3.1 中的首尾帧提示词

Google 在三个版本上都提供首尾帧：一张开始图片和一张结束图片，由 Veo 生成两者之间的变化，带声音，时长 4、6 或 8 秒（Google Cloud）。像 Google 的示例那样描述变化：“一只手伸进画面，把一杯牛奶放在那盘饼干旁边”。让两帧在光线和构图上保持接近。参见首尾帧。

DreamBench 没有为 Veo 提供首帧或尾帧：它的创作面板根据你的参考图生成每个片段，所以由提示词的最后一句来说明镜头怎样结束。

Veo 3.1 负面提示词：怎样写才有效

Google 的 API 有一个负面提示词字段，用来写你不想要的内容。它的提示词指南说要列出事物本身，如“墙、画框”，绝不要写“没有墙”；而在主提示词中，它的 Veo 3.1 指南建议改为描述你想要的结果。

按 Veo 的方式说出你不想要的内容
不要写改为写
提示词中没有人造建筑。一片没有建筑和道路的荒凉景观。
提示词中没有人。黎明时空荡的街道。
在负面提示词字段中不要加文字。文字、水印

DreamBench 不会向 Veo 发送负面提示词字段。它写的提示词会在片段有台词时带上一行简短的“Negative:”，写明不要烧录字幕。在“视频”页面上，描述你想要的结果，把排除项限定在结尾的一行里，就像提示词生成器那样。

在多个 Veo 3.1 镜头中保持角色一致

两个 Veo 片段只在两者都被告知的内容上保持一致。Google 的 Veo 3.1 指南会先为角色和场景制作参考图。在提示词中：

  • 每次都用同样的文字描述每个角色：“一位六十多岁的高个子女人，留着银色短发，穿绿色蜡质夹克”。
  • 保持服装、道具、时间段、光线和声音不变。

在 DreamBench 上，每个角色、地点和道具只绘制一次设定图，它出现的每个镜头都从这张设定图开始。参见角色一致性。

多场景 Veo 3.1 视频：从一个想法到一组镜头

Google 展示了两种超越单个镜头的做法：在一个 8 秒片段内安排定时镜头，或用同样的参考图分别生成多个片段。DreamBench 采用第二种：一部影片由多次 Veo 生成组成，每次一个镜头，再剪接在一起，所以影片可以超过 8 秒，任意镜头都可以重做。

1 · 想法

清晨第一缕光中的跑者，最后定格在她沾满泥的鞋上。

2 · 镜头清单

  1. 镜头 1 · 远景

    她跑进空荡荡的街道。

  2. 镜头 2 · 特写

    她的鞋子踩进一个水坑。

  3. 镜头 3 · 中景

    她转过街角，迎向阳光。

  4. 镜头 4 · 特写

    路边石上沾满泥的鞋子。

3 · 每个镜头单独生成

镜头 1

镜头 2

镜头 3：已重拍

镜头 4

镜头 3 的第一版颜色跑偏了。附上一条备注重新生成；镜头 1、2 和 4 保持原样。

4 · 拼成一部影片

每个衔接处都是硬切

同一位跑者、同一个地点和同样的光线贯穿每次剪切；景别在变，所以每次剪切看起来是换了一个角度，而不是跳帧。

一个想法，多个镜头：每个镜头单独生成，衔接处硬切，任意一个都可以单独重做。

原样呈现的描述

Underwater at sunrise: light shafts sweep across a coral reef as a sea turtle glides through a school of silver fish that parts around it like a curtain. A ray lifts from the sand in a slow wingbeat of silt. The turtle rises toward the glittering surface and breaks it into the sun. Muffled underwater ambience, then one clear breath.
一份简报，用 Veo 3.1 生成多个片段：16:9，1080p，15 秒，带声音。光线和沉闷的水下声音跨过剪切处延续。 在 DreamBench 上制作，发布于 。
这份简报，规划成 Veo 3.1 镜头
镜头里的画面运镜声音
镜头 1一只海龟滑过银色鱼群，鱼群在它周围散开远景，缓慢跟拍沉闷的水下背景声
镜头 2一条鳐鱼从沙中浮起；海龟向上游去，冲出水面低角度，向上摇同样的背景声，然后是一次呼吸声
  • 每个镜头一个动作，时长 4、6 或 8 秒；在 DreamBench 上，带设定图的 Veo 3.1 片段为 8 秒。
  • 每次剪切都换一个景别，一句台词保持在一个镜头之内，让环境声跨过衔接处延续。

用公式写出每个镜头，或者在 DreamBench 上描述影片：它会写出、渲染并剪接每个镜头。参见多镜头视频。

可直接复制的 Veo 3.1 提示词示例

把这些提示词粘贴到 DreamBench 的“视频”页面或任何 Veo 3.1 工具中。

对着镜头的开场钩子

竖屏 9:16，6 秒。手持自拍镜头。黎明时分，一个戴灰色毛线帽的年轻男子站在风很大的码头上，看着镜头说：“I tried every coffee in town. One won.”柔和清冷的光线。Ambient noise: 风声，海鸥声。

两人对话

横屏 16:9，8 秒。固定双人镜头。在一家自行车修理铺里，一位穿着湿夹克的顾客问：“Ready by Saturday?”修车师傅转了转车轮，说：“Friday, if the parts turn up.”温暖的灯泡光。SFX: 飞轮的咔嗒声。Ambient noise: 雨打在铁皮屋顶上。

产品特写：一块手表

横屏 16:9，6 秒。微距镜头，沿着深色石板上一块绿色表盘的钢表缓慢推轨。一滴水顺着表镜滑落，秒针嘀嗒走过十二点。强光从左侧照来。SFX: 清脆的嘀嗒声。

美食：炒锅里的蒜片

竖屏 9:16，4 秒。固定俯拍镜头。蒜片落进黑色炒锅的热油里，冒起泡沫，渐渐变成金黄色；蒸汽穿过窗光升起。SFX: 响亮的滋滋声。

定场镜头

横屏 16:9，8 秒。破晓时分，无人机航拍低空掠过峡湾边的一座渔村，随后升高，展现出白雪覆盖的山峰。红色的木屋，水面上的薄雾。照片级写实，清冷的光线在山峰处渐渐变暖。Ambient noise: 风声，远处的引擎声。

动物在行动

横屏 16:9，6 秒。长焦镜头，低角度。一只棕色野兔冲过结霜的田野，急转后猛地停住，竖起耳朵。低垂的冬日阳光在它身后。SFX: 爪子咚咚踏地的声音。Ambient noise: 远处一只乌鸦的叫声。

带音乐的定格动画

横屏 16:9，8 秒。定格黏土动画，固定远景。一只围着针织围巾的黏土狐狸在堆雪人；雪人的头掉了下来，狐狸叹了口气。温暖的摄影棚灯光。一段俏皮的拨弦乐曲响起。SFX: 轻轻的“噗”一声。

一个片段里的四个镜头

横屏 16:9，8 秒。[00:00-00:02] 一只手按下秒表的特写。[00:02-00:04] 低机位跟拍钉鞋踏在跑道上。SFX: 钉鞋踩在橡胶跑道上的声音。[00:04-00:06] 中景，她压线冲刺。[00:06-00:08] 高角度远景：她放慢脚步，双手撑在膝盖上，体育场空无一人。Ambient noise: 她的喘息声。

从首帧开始

图片中的女人从书上抬起头，看到窗上开始下雨，露出微笑。缓慢推轨推近。SFX: 第一批雨滴落在玻璃上。Ambient noise: 安静的咖啡馆。

在首帧和尾帧之间

横屏 16:9，8 秒。固定镜头。陶轮转动时，陶艺师的双手把湿黏土拉高成一只高花瓶，然后松开。柔和的日光从高窗照进来。SFX: 陶轮的嗡嗡声。

两个镜头的段落：园丁

镜头 1。横屏 16:9，8 秒。远景，缓慢向右摇。黎明时分，一位六十多岁的高个子女人，留着银色短发，穿绿色蜡质夹克，挎着篮子在结霜的卷心菜之间穿行。清冷的蓝色光线。Ambient noise: 靴子踩在冻土上，一只知更鸟。

镜头 2。横屏 16:9，6 秒。固定特写。那位六十多岁的高个子女人，留着银色短发，穿绿色蜡质夹克，跪下来拂去一棵卷心菜上的霜，轻声说：“Just in time.”黎明的光渐渐变成金色。SFX: 刀切断菜梗的声音。

两个镜头用同样的文字描述她，并保持黎明的光线；景别在剪切处变化。

不好的 Veo 3.1 提示词，改写之后

不好的提示词通常都很短：每漏掉一部分，就由 Veo 替你做决定。

三条不好的提示词及其改进版
较弱较强改了什么
说话的厨师一位厨师在谈论他做的菜。中近景，固定镜头。一位老厨师把一碗汤放到出菜台上，说：“Fifty years, the same recipe.”温暖的厨房灯光。Ambient noise: 忙碌的厨房。有镜头、有主体、有跟在说话人后面的引号台词，还有声音。
汽车广告史诗级汽车广告，先无人机航拍再特写再慢动作，8K，无模糊。横屏 16:9，8 秒。日落时分，航拍跟拍一辆深红色旅行车行驶在海岸公路上。低垂的金色光线。SFX: 引擎声渐强。Ambient noise: 海浪声。三种运镜变成一种；画质标签变成光线；去掉了“无模糊”。
说得太多两个朋友聊他们的旅行、工作和明年的打算。固定双人镜头。火车上，两个朋友在研究地图；一个说：“Left at the lake?”另一个笑了：“We always go left.”Ambient noise: 火车声。一场对话变成了能装进 8 秒的两句台词。

Veo 3.1 提示词的常见错误及修正方法

Veo 3.1 提示词常见错误与修正
出了什么问题修正方法
没写声音Veo 会自己编出一段音轨。每次都写明环境声和音效。
要求无声每个片段都有声音。要求安静的室内环境声；再在剪辑软件里静音。
没有说话人的台词变成旁白，或者从错误的人嘴里说出来。先写说话人，再把台词放在引号里。
台词字数太多台词说得太赶，或被截断。4 秒一句短台词，8 秒两句。
两种运镜两种运镜都会糊掉。一种运镜；第二种放到另一个镜头里。
“没有人”否定的说法反而可能招来它提到的东西。写“一条空荡的街道”。
描述首帧内容文字与图片相互冲突。只描述会动的部分和能听到的声音。

Veo 3.1 提示词解决不了的问题

  • 同一条提示词运行两次，会得到两个不同的片段。
  • 短台词可能听起来不自然，也可能出现多余的字幕：每条结果都要检查。
  • 单次生成最长 8 秒，画幅为 16:9 或 9:16。
  • 真实的人或产品无法仅凭文字被认出来，需要一张你有权使用的图片。
  • 在 DreamBench 的“视频”页面上，超过 2,600 个字符的提示词会被拒绝。

在 DreamBench 上使用 Veo 3.1 提示词

  • 一个片段：把提示词粘贴到“视频”页面，选择 Veo 3.1、Fast 或 Lite，4、6 或 8 秒，16:9 或 9:16。提示词会原样发送给 Veo。
  • 一条提示词：Veo 3.1 提示词生成器会按本指南的顺序写出提示词，可输出文本或 JSON。
  • 一部影片：描述它，最多添加 8 张参考图，然后选择 Veo 3.1。DreamBench 会写出并渲染每个镜头，再把它们剪接在一起；任意镜头都可以附上一条备注重做。
  • 不提供：首帧或尾帧、负面提示词字段，或延长片段。

完整版 Veo 3.1 模型需要 Plus 及以上套餐；所有套餐都包含 Fast 和 Lite。生成前会显示所需积分；首次使用时，请注册免费账号并选择套餐。如果只凭文字写提示词，请参阅文生视频。

常见问题

Veo 3.1 的提示词怎么写？

要写 Veo 3.1 提示词，就按 Google 的顺序：镜头、主体、一个动作、环境，然后是风格、光线和氛围。用单独的句子加上声音：对白放在引号里，跟在说话人后面；音效写在“SFX:”之后；背景声写在“Ambient noise:”之后。

好的 Veo 3.1 提示词示例是什么样的？

横屏 16:9，6 秒。长焦镜头，低角度。一只棕色野兔冲过结霜的田野，急转后猛地停住。低垂的冬日阳光。SFX: 爪子咚咚踏地的声音。这里有镜头、主体、一个动作、光线和声音。

如何让 Veo 3.1 说话？

先写说话人，再把台词放在引号里：一个女人说：“We have to leave now.” Veo 3.1 会在同一次生成中说出台词并对上口型。4 秒内只写一句短台词，8 秒内两句，用英语。

Veo 3.1 有负面提示词吗？

Google 的 API 有负面提示词字段：列出事物本身，比如“墙、画框”，而不是“没有墙”。在主提示词中，Google 建议改为描述你想要的结果。DreamBench 不发送负面提示词字段，所以请描述你想要的内容。

Veo 3.1 提示词应该写多长？

4 秒约 30 到 60 个词，6 秒 50 到 100 个词，8 秒 60 到 150 个词：足够写下镜头、主体、动作、环境、光线和声音。在 DreamBench 的“视频”页面上，Veo 提示词最长可达 2,600 个字符。

如何防止 Veo 3.1 视频中出现字幕？

描述一个干净的画面，台词要短，不要写招牌和说明文字。要求“不要字幕”并不总是管用：MIT Technology Review 发现，即使提示词要求不加字幕，仍会出现乱码字幕，而 Google 的建议是重新运行提示词。

为什么我的 Veo 3.1 片段里的语音含糊不清？

Google 把短句中的自然语音列为仍在改进的局限。每句台词都要有画面中的说话人，台词要短并用英语；如果某个词说错了，就重新生成片段。

Veo 3.1 图生视频提示词怎么写？

从首帧开始时，描述会动的部分，而不是图片里有什么：动作、运镜和声音。使用参考图时，写出整个镜头，并用文字点明主体；Google 最多接受三张，适用于 Veo 3.1 和 Fast。

在 DreamBench 上可以为 Veo 3.1 使用首帧和尾帧吗？

Google 在 Veo 3.1 的三个版本上都提供首尾帧；DreamBench 不提供。它的创作面板根据你的参考图生成每个片段，“视频”页面只接受文字，所以请在提示词里写明镜头怎样结束。

如何用 Veo 3.1 制作包含多个场景的视频？

每个时刻规划一个片段，每个片段是一个 4 到 8 秒的单一镜头，并逐字重复每个角色的描述。在 DreamBench 上，描述影片即可：它会用 Veo 3.1 写出并渲染每个镜头，再剪接在一起。

如何在多个 Veo 3.1 片段中保持同一个角色？

在每条提示词中都用同样的文字描述角色，并给每个片段提供同样的参考图。在 DreamBench 上，每个角色只绘制一次设定图，Veo 3.1 的每个片段最多可带 3 张设定图。

在 DreamBench 上可以把自己的提示词粘贴给 Veo 3.1 吗？

可以。DreamBench 的“视频”页面运行 Veo 3.1、Fast 和 Lite，并原样发送你的提示词，时长 4、6 或 8 秒，画幅 16:9 或 9:16。首次使用时，请注册免费账号并选择套餐。

相关内容

在 DreamBench 上

DreamBench 工具

模型页面

术语

前往教程查看更多

来源

DreamBench 是一个独立平台，与本页提及的公司没有关联，也未获得它们的认可。