依階段選擇版本
用 Lite 探索，用 Fast 打磨，把 Quality 留給要發布的那一支。同一則提示詞可以在三個版本之間沿用，換版本不代表要重寫。
204積分
剩餘積分：
公開
BestAIVideo
用 Veo 3.1 導演電影感鏡頭，聲音一次到位
Veo 3.1 是 Google 的影片生成模型，會把對白、音效和環境聲與畫面一起生成。你可以從一段提示詞開始，也可以讓首幀動起來，或是提供最多三張參考圖片，再選擇 Lite、Fast 或 Quality 版本，生成前就能看到確切的積分花費。
Veo 3.1 在生成器裡能為你做什麼
它的設計重點是附帶聲音的精緻短片。生成器提供三種版本，讓你依專案所處的階段來控制成本。
三種版本，同一個模型家族
Lite 是成本最低的選擇，Fast 是均衡的預設值，Quality 則用於最終輸出。三種版本都支援 720p、1080p 和 4K，預設選取 1080p。
不必另外配音的聲音
每支影片都會附帶生成的對白、音效和環境聲。這裡沒有音訊開關，所以想要的聲音請直接寫進提示詞。
首尾幀與參考圖
可以讓首幀動起來，也能選擇性加上尾幀；在 Lite 和 Fast 版本中，還能使用全能參考，放入一到三張圖片，讓角色或產品保持一致。
適合各個發布管道的長度與畫幅
時長可選 4、6 或 8 秒，預設為 8 秒；畫幅可選 16:9、9:16 或自動，分別對應橫式、直式，以及以影格內容決定的影片。
Veo 3.1 提示詞怎麼寫
Google 為它提供的提示詞指南，把一則好的提示詞拆成幾個部分。把它們當成檢查清單來用，而不是照抄的範本。
使用五段式公式
把攝影手法、主體、動作、情境，以及風格與氛圍結合起來。以鏡頭類型和運鏡開場，能讓構圖出於刻意，而不是碰巧。
把台詞放進引號
對白要用引號包起來，並說明是誰在說話，例如一位女性說了一句短話。台詞要簡短，才放得進只有幾秒的影片。
替聲音加上標籤
加入提示標記，例如用 SFX 表示音效，用 Ambient noise 表示房間或風景的環境聲。把聲音和動作分開寫，才不會被模型忽略。
用時間戳標出節拍
提示詞可以標示時間點，例如前兩秒與接下來的三秒。它只是純文字，所以在這個單一提示詞輸入框裡也能使用。
三支範例影片與它們的啟發
摺紙貓走過紙做的社區
一隻摺出來的橘貓踩著石板路，走過紙樹、玫瑰和白色柵欄，還配上相應的環境聲。這個例子顯示，提示詞可以先定下整個世界的材質，同時仍要求自然而有重量感的動作。
機車騎士在沙丘上灑出閃粉
一位身穿紅衣的騎士在轉彎時傾身壓低車身，閃閃發亮的粉塵與漂浮的光點充滿畫面。像這樣風格化的提示詞，最好只點名一個主體和一個動作，把壯觀的場面交給環境去呈現。
日落時分騎馬穿越金色草原
側向跟拍鏡頭追著一位戴寬邊帽的騎士，穿過發亮的草叢，低垂的太陽在身後。這類鏡頭背後的提示詞，會指定攝影機位置、光線方向，以及場景中安靜的聲音。
製作筆記
參考圖只屬於 Lite 和 Fast
如果某個鏡頭得靠一致的產品或角色，請選 Lite 或 Fast 來使用全能參考，因為 Quality 版本沒有參考模式。
只寫一個清楚的動作
八秒是很短的時間。一個主體做一件事、搭配一個運鏡，遠比一長串事件更容易看懂。
Veo 3.1 最值得派上用場的地方
自帶聲音的廣告
不必另外做一輪配音，就能產出短廣告的 16:9 與 9:16 兩種版本。
產品動畫
從首幀讓產品圖動起來，再加上尾幀，讓鏡頭停在版面需要的姿態上。
角色一致
搭配 Lite 或 Fast 版本，使用一到三張參考圖，讓角色或產品在多支影片中保持一致。
兼顧預算的試稿
先用 Lite 以 720p 試探，只要 24 積分，選定想法後再用 Fast 或 Quality 正式輸出。
4K 交付
當影片要上大螢幕或進入母版剪輯時，任何版本都能把解析度提高到 4K。
以對白為主的場景
寫上一句加了引號的台詞，再配上環境聲和音效，就能在實拍或錄音之前先做出場景雛形。
Veo 3.1 常見問題解答
Veo 3.1 是 Google DeepMind 推出的影片生成模型。它能從文字、圖片或參考素材生成短片，並在生成畫面的同時一起生成聲音。
Lite 最便宜，Fast 是均衡的預設值，Quality 則是成本最高、用於最終輸出的版本。Google 表示 Lite 的費用不到 Fast 的一半，而在本站，Quality 在 720p 的價格約為 Fast 的四倍。
價格按每支影片計算，不會因長度或畫幅而改變。720p 時，Lite 為 24 積分，Fast 為 48，Quality 為 200；1080p 時分別是 28、52 和 204，而 4K 從 Lite 的 120 積分起算。
每個版本都支援 720p、1080p 或 4K，時長可選 4、6 或 8 秒。預設值是 1080p 和 8 秒。
有文生影片、必須提供首幀且可選尾幀的幀生成，以及全能參考。全能參考接受一到三張圖片，可在 Lite 和 Fast 使用，Quality 則不支援。
會，而且一律附帶。對白、音效和環境聲都會隨影片一起生成，你可以透過提示詞來引導它們。
把說出口的話放進引號，並說明是誰在說。台詞要簡短，因為一支影片只有短短幾秒。
16:9 是預設值，另外還有 9:16 和自動。
可以。提示詞在生成之前會先翻譯成英文，所以你可以用自己習慣的語言來寫。運鏡等關鍵用語請寫得清楚一些。
一則提示詞最多可包含 20,000 個字元。首幀、尾幀和參考圖片支援 JPG、PNG、WebP 等常見格式，每張不超過 30 MB。
先看主體和動作，再看運鏡和光線。最後閉上眼睛聽一遍：不盯著畫面的時候，語音的時間點和環境聲最容易判斷。