Wie man Veo 3.1 für fotoreale Videos mit Ton verwendet

Veo 3.1 ist das Modell, zu dem Sie greifen, wenn der Clip gefilmt und nicht generiert aussehen muss: reale Physik, glaubwürdige Haut und Wasser sowie die besten nativen Dialoge in diesem Bereich. Auf ManifoldGen läuft es als Bild-zu-Video in zwei Stufen – Fast für Iterationen, Standard für finale Versionen – beide mit synchronisiertem Ton.

Immer mit einem Standbild beginnen

Beide ManifoldGen-Routen sind Bild-zu-Video, und das ist ohnehin der korrekte Workflow. Veo folgt der Komposition religiös, sodass ein Standbild Ihnen Besetzung, Bildausschnitt und Beleuchtungsrichtung kostenlos liefert – dann muss der Video-Prompt nur noch Bewegung und Ton beschreiben. Generieren Sie Ihren Frame mit einem beliebigen Bildmodell, wählen Sie den Take, den Sie aufgenommen hätten, und animieren Sie ihn.

Bewegen Sie sich wie ein Regisseur, nicht wie eine Bildunterschrift

The chef turns from the window, wipes her hands on her apron,
and looks back at the rain. Camera holds static; depth of field
stays on her hands. Rain streaks the glass; kitchen ambience,
distant radio, one low thunder roll.

• Eine Subjektaktion pro Klausel – „dreht“, „wischt“, „blickt“ sind drei Takte, die Veo getreu sequenziert.
• Geben Sie die Kamera explizit an – „statisch“, „langsamer Push-in“. Stille lädt zum Abdriften ein.
• Benennen Sie, was sich nicht bewegen soll – „Tiefenschärfe bleibt auf ihren Händen“ fixiert den Fokus besser als zu hoffen.
• Vertonen Sie es – Ambiente, ein Musik-Cue oder eine Wetterschicht. Nicht spezifiziertes Audio wird standardmäßig auf Raumklang eingestellt.

Dialog, der funktioniert

Veo rendert Sprache mit Lippensynchronisation und sogar Akzentkontrolle, wenn Sie es benennen. Halten Sie Zeilen unter zwölf Wörtern, setzen Sie sie in Anführungszeichen und schreiben Sie sie zu: Er sagt: „Schließe die Tür hinter dir.“ Gesichter lassen sich am besten in einer mittleren Nahaufnahme oder enger lesen; Dialog in einer Weitwinkelaufnahme verschwendet die Funktion.

Dauer wählen

Vier Sekunden eignen sich für Inserts und Social Loops; sechs bewältigen einen vollständigen Action-Beat; acht passen zu einer Dialogzeile plus einer Reaktion. Wenn eine Szene mehr benötigt, generieren Sie zwei achtsekündige Aufnahmen mit passenden Standbildern (gleicher Charakterrahmen, andere Kamera) und schneiden Sie – Veo behält die Identität über Schnitte hinweg weitaus besser bei als über eine einzelne lange Generierung.

Fehlerbehebung

• Physik zur Schau stellen – Wasser, Stoff und Feuer sind Veo-Stärken, aber sie brauchen Platz. Enge Rahmen erzwingen Abkürzungen; erweitern Sie die Aufnahme, anstatt die Bewegung zu verlangsamen.
• Subjekt ignoriert das Quellbild – Ihr Prompt beschreibt das Aussehen neu. Entfernen Sie Adjektive über die Person; behalten Sie nur Bewegung und Audio bei.
• Dialog klingt synchronisiert – kürzen Sie die Zeile und markieren Sie die Lieferung („leise“, „über die Schulter“).
• Acht Sekunden hängen in der Mitte durch – fügen Sie eine anhaltende Umgebungsphrase hinzu (Regen geht weiter, Menschenmurmeln bleibt bestehen), um den mittleren Takt zu tragen.

Führen Sie es unter /tools/veo-3-1-fast für Entwürfe und unter /tools/veo-3-1 für Finales aus; die Automatisierung spiegelt live unter /api/video-generators/veo-3-1-fast und /api/video-generators/veo-3-1 wider.