Як використовувати Veo 3.1 для фотореалістичного відео зі звуком

Veo 3.1 — це модель, до якої ви звертаєтеся, коли кліп має виглядати знятим, а не згенерованим: реальна фізика, правдоподібна шкіра та вода, а також найкращі природні діалоги в цій галузі. На ManifoldGen вона працює як перетворення зображення на відео у двох рівнях — Fast для ітерацій, Standard для фінальних версій — обидва із синхронізованим звуком.

Завжди починайте зі статичного зображення

Обидва маршрути ManifoldGen — це перетворення зображення на відео, і це все одно правильний робочий процес. Veo релігійно дотримується композиції, тому статичне зображення дає вам кастинг, кадрування та напрямок освітлення безкоштовно — тоді відеозапит має описувати лише рух та звук. Створіть свій кадр за допомогою будь-якої моделі зображень, виберіть дубль, який ви б зняли, і анімуйте його.

Пишіть рух як режисер, а не як підпис

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.

• Одна дія суб'єкта на речення — "повертається", "витирає", "дивиться" — це три такти, які Veo точно відтворить.
• Чітко вказуйте камеру — "статична", "повільне наближення". Мовчання призводить до відхилень.
• Називайте те, що не повинно рухатися — "глибина різкості залишається на її руках" краще фіксує фокус, ніж сподівання.
• Озвучте це — атмосфера, одна музична підказка або шар погоди. Невизначений звук за замовчуванням буде фоновим шумом кімнати.

Діалог, який проходить

Veo відтворює мову з синхронізацією губ і навіть контролем акценту, якщо ви його вкажете. Тримайте репліки до дванадцяти слів, беріть їх у лапки та вказуйте автора: Він каже: "Зачини двері за собою". Обличчя найкраще читаються при середньому крупному плані або ближче; діалог у широкому кадрі марнує цю функцію.

Вибір тривалості

Чотири секунди підходять для вставок та соціальних циклів; шість охоплюють повний такт дії; вісім вміщують репліку діалогу плюс реакцію. Якщо сцена потребує більше, згенеруйте два восьмисекундні дублі з відповідними кадрами (той самий кадр персонажа, інша камера) і виріжте — Veo зберігає ідентичність між вирізками набагато краще, ніж протягом однієї довгої генерації.

Вирішення проблем

• Фізика вражає — вода, тканина та вогонь є сильними сторонами Veo, але їм потрібен простір. Тісні кадри змушують йти на компроміси; розширюйте кадр замість того, щоб уповільнювати рух.
• Суб'єкт ігнорує вихідне зображення — ваша підказка переописує зовнішність. Видаліть прикметники про людину; залиште лише рух та звук.
• Діалог звучить дубльовано — скоротіть репліку та позначте подачу ("тихо", "через плече").
• Вісім секунд провисають посередині — додайте одну тривалу фонову фразу (дощ продовжується, гомін натовпу не вщухає), щоб підтримати середній такт.

Запускайте його на /tools/veo-3-1-fast для чернеток та /tools/veo-3-1 для фінальних версій; автоматизація відображає живе на /api/video-generators/veo-3-1-fast та /api/video-generators/veo-3-1.