ध्वनि के साथ फोटोरियल वीडियो के लिए Veo 3.1 का उपयोग कैसे करें
Google का Veo 3.1 फोटोरियलिज्म बेंचमार्क है: भौतिकी जो बनी रहती है, मूल संवाद, और सिंक्रनाइज़ ऑडियो के साथ 4/6/8-सेकंड के टेक्स। फास्ट 90 क्रेडिट पर ड्राफ्ट को कवर करता है; स्टैंडर्ड फाइनल को कवर करता है।
Veo 3.1 वह मॉडल है जिसका आप तब उपयोग करते हैं जब क्लिप को जनरेट होने के बजाय फिल्माया हुआ दिखना चाहिए: वास्तविक दुनिया की भौतिकी, विश्वसनीय त्वचा और पानी, और क्षेत्र में सबसे अच्छा मूल संवाद। ManifoldGen पर यह दो स्तरों में इमेज-टू-वीडियो के रूप में चलता है — पुनरावृति के लिए फास्ट, फाइनल के लिए स्टैंडर्ड — दोनों सिंक्रनाइज़ ध्वनि के साथ।
| मार्ग | रिज़ॉल्यूशन | अवधि | कीमत |
|---|---|---|---|
| Veo 3.1 फास्ट (इमेज) | 720p · 1080p | 4 · 6 · 8s | 90 क्रेडिट / 5s से |
| Veo 3.1 स्टैंडर्ड (इमेज) | 720p · 1080p | 4 · 6 · 8s | 240 क्रेडिट / 5s से |
हमेशा एक स्टिल से शुरू करें
ManifoldGen के दोनों मार्ग इमेज-टू-वीडियो हैं, और वैसे भी यही सही वर्कफ़्लो है। Veo रचना का धार्मिक रूप से पालन करता है, इसलिए एक स्टिल आपको कास्टिंग, फ्रेमिंग और लाइटिंग दिशा मुफ्त में देता है — फिर वीडियो प्रॉम्प्ट को केवल गति और ध्वनि का वर्णन करना होता है। किसी भी इमेज मॉडल के साथ अपना फ्रेम जनरेट करें, वह टेक चुनें जिसे आपने शूट किया होगा, और उसे एनिमेट करें।
एक निर्देशक की तरह गति लिखें, कैप्शन की तरह नहीं
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.- प्रति खंड एक विषय क्रिया — "मुड़ता है", "पोंछता है", "देखता है" तीन बीट्स हैं जिन्हें Veo ईमानदारी से अनुक्रमित करेगा।
- कैमरे को स्पष्ट रूप से बताएं — "स्थिर", "धीमा पुश-इन"। चुप्पी बहाव को आमंत्रित करती है।
- बताएं कि क्या नहीं हिलना चाहिए — "डेप्थ ऑफ़ फील्ड उसके हाथों पर रहता है" उम्मीद करने से बेहतर फोकस करता है।
- इसे स्कोर करें — माहौल, एक संगीत संकेत, या एक मौसम परत। अनिर्दिष्ट ऑडियो डिफ़ॉल्ट रूप से कमरे की आवाज़ पर सेट होता है।
संवाद जो पास होता है
Veo होंठों के संरेखण और यहां तक कि उच्चारण नियंत्रण के साथ भाषण प्रस्तुत करता है यदि आप इसका नाम लेते हैं। पंक्तियों को बारह शब्दों से कम रखें, उन्हें उद्धरण चिह्नों में रखें, और उन्हें विशेषता दें: वह कहता है, "अपने पीछे दरवाजा बंद कर दो।" चेहरे मध्यम क्लोज-अप या उससे भी करीब से सबसे अच्छे लगते हैं; एक वाइड शॉट में संवाद इस सुविधा को बर्बाद करता है।
प्रॉम्प्ट संरचना टियर के बीच एक-से-एक स्थानांतरित होती है। 90 क्रेडिट प्रति पास पर फास्ट पर गति और समय को लॉक करें, फिर केवल उन शॉट्स के लिए स्टैंडर्ड पर समान अनुरोध को फिर से चलाएं जो कट में आए।
अवधि चुनना
चार सेकंड इंसर्ट और सोशल लूप के लिए उपयुक्त है; छह एक पूर्ण एक्शन बीट को संभालता है; आठ एक संवाद पंक्ति और एक प्रतिक्रिया के लिए फिट बैठता है। यदि किसी दृश्य को अधिक की आवश्यकता है, तो मिलान किए गए स्टिल (समान चरित्र फ्रेम, अलग कैमरा) के साथ दो आठ-सेकंड के टेक उत्पन्न करें और कट करें — Veo एक ही लंबी पीढ़ी की तुलना में कट के पार पहचान को कहीं बेहतर रखता है।
समस्या निवारण
- भौतिकी दिखावा — पानी, कपड़ा और आग Veo की ताकत हैं, लेकिन उन्हें जगह चाहिए। तंग फ्रेम शॉर्टकट को मजबूर करते हैं; गति को धीमा करने के बजाय शॉट को चौड़ा करें।
- विषय स्रोत छवि को अनदेखा करता है — आपका प्रॉम्प्ट उपस्थिति का पुनर्वर्णन करता है। व्यक्ति के बारे में विशेषण हटा दें; केवल गति और ऑडियो रखें।
- संवाद डब किया हुआ लगता है — पंक्ति को छोटा करें और डिलीवरी को चिह्नित करें ("धीरे से", "कंधे पर")।
- आठ सेकंड बीच में ढीले पड़ जाते हैं — बीच की बीट को बनाए रखने के लिए एक निरंतर परिवेश खंड (बारिश जारी रहती है, भीड़ की फुसफुसाहट बनी रहती है) जोड़ें।
ड्राफ्ट के लिए इसे /tools/veo-3-1-fast पर और फाइनल के लिए /tools/veo-3-1 पर चलाएं; स्वचालन /api/video-generators/veo-3-1-fast और /api/video-generators/veo-3-1 पर लाइव को दर्शाता है।
Try these prompts on your own shot.
Every example on this page was generated with ManifoldGen. Open the Studio and run the same structure on your idea.