Veo

關於 Veo

Veo 是 Google 的電影文字轉影片模型，其區別特徵是原生音頻：對話、音效和環境音與圖片一起生成，而不是之後添加。視覺上，它傾向於具有受控景深、有動機的光線和穩定、刻意的攝影機工作的電影般結果。它處理逼真的真人秀外觀和風格化動畫，但其聲譽是建立在前者基礎上的。

本頁上的提示傾向於像拍攝稿本：場景標題、幀內內容、攝影機的動作和我們聽到的內容。熱門主題包括帶有口白的簡短喜劇小品、帶有環境音的自然和野生動物鏡頭、商業風格的產品節拍和街頭訪談。指定音頻的提示（一句對話、玻璃杯的叮噹聲、遠處交通）將難忘的片段與通用片段分開，因為模型無論如何都會用某物填補沉默。

撰寫 prompt 的訣竅

• 始終寫下音頻：引用的對話、關鍵音效、環境床。未指定的音頻回來是通用或不匹配的。
• 給出一個明確的攝影機指令和一個光線註記；模型很好地讀取和使用電影術語。
• 將對話保持在每個片段一或兩條短線，以便時序和唇部運動與語音保持一致。