如何为Veo 3撰写提示语以获得最佳效果

某中心推出的Veo 3可以根据文本提示生成带有音频的视频。音频内容可以是对话、画外音、音效和音乐。

首先了解基础知识。精心设计的提示语是生成优质视频的关键。在提示语中用平实的语言描述得越具体，Veo 3就越容易理解并生成你想要的视频。

尝试在提示语中包含以下视觉元素：

• 主体：场景中是谁或是什么——人物、动物、物体或风景。
• 背景：主体在哪里？室内？城市街道？森林？
• 动作：你的主体在走路、跳跃、转头吗？
• 风格：你追求视觉美学效果（电影感、动画、定格动画等）。
• 摄像机运动：描述摄像机如何移动：航拍、平视、俯拍或低角度。
• 构图：镜头如何取景：广角镜头、特写等。
• 氛围：情绪和灯光。你可以说“暖色调”、“蓝光”或“夜晚”。

你还需要包含音频元素，下文将更详细地介绍。

以下是一个基本提示语与详细提示语的示例对比：

• 基本提示：一个男人接起一台转盘电话
• 详细提示：一个摇晃的滑动变焦镜头从模糊的远景拉近到一个电影感的特写：一个绝望的男人，穿着破旧的绿色风衣，从一面粗糙的砖墙上拿起一台转盘电话，笼罩在一块绿色霓虹招牌诡异的光芒中。变焦揭示了他脸上刻画的紧张和绝望，他挣扎着在电话中说话。浅景深聚焦在他紧锁的眉头和黑色的转盘电话上，将背景模糊成一片霓虹色彩和模糊的阴影，营造出一种紧迫感和孤立感。

第二个提示语包含了结构性元素，以引导Veo 3朝着我们试图创建的场景发展。

你的浏览器不支持视频标签。
基本提示生成视频
你的浏览器不支持视频标签。
详细提示生成视频

每次更改你的提示语

如果你熟悉像Midjourney或Flux这样的模型，你会知道运行相同的提示语几次（即使用不同的种子）会得到相当程度的变化。

Veo 3则不同。对于相同的提示语，即使是相当简单的提示，Veo 3也会输出非常相似的结果。你可能会看到相同长相的人穿着相同的衣服，出现在相似的地方。如果你生成的输出有轻微错误，比如连贯性或音频故障，这非常有用——你可以运行不同的种子来获得你想要的结果。但如果你处于探索模式，希望看到各种可能性，那么多次运行相同的提示语是在浪费资金。

在下面的示例中，我们用不同的种子运行了两次提示语“一个女人在笑”。注意她看起来一模一样，穿着相同的衣服，以相同的方式笑，房间也一样，她甚至戴着相同的耳环。一个模型能如此一致是不寻常的。

你的浏览器不支持视频标签。
第一个视频
你的浏览器不支持视频标签。</视频>
第二个视频

如果你还不确定自己想要什么，可以从几个大体不同的提示语开始。如果你知道想要某些元素，那么就对那些元素进行具体描述。

在这个视频中，我们可以明显做的是开始尝试描述：

• 女人的外貌（发色、发型、肤色）
• 她的穿着
• 她在哪里
• 她如何笑
• 她为什么笑

以下是几个例子：

• 一个女人长时间大声地笑，她在办公室会议中，事后感到尴尬。
• 一个女人安静地笑，她在家看电视节目。

角色一致性

通常，在使用没有起始帧或场景成分的视频模型时，角色一致性很难保持。这些功能即将在Veo 3中推出。

与此同时，由于相似的提示语会产生相似的角色，如果你在多次生成中保持角色详细提示描述的一致性，通常会得到一个长相相同的人。这意味着你可以保留一个角色描述列表，并在不同的提示语中逐字重复它们：

John，一个40多岁的男人，棕色短发，穿着蓝色夹克和眼镜，看起来若有所思。

这些描述越独特和具体，Veo 3在单独生成的场景之间保持视觉连续性的效果就越好。创建具有确切措辞的角色参考表以确保一致性。

你的浏览器不支持视频标签。
John视频示例1
你的浏览器不支持视频标签。
John视频示例2

提示音频

由于Veo 3会为每个视频生成音频，你也需要为你想要听到的音频进行提示。考虑以下元素：

• 人物在说什么（对话）
• 场景的环境噪音（繁忙街道、繁忙办公室、繁忙咖啡馆等的声音）
• 场景外的音效或噪音（如电话铃声）
• 场景可能需要的任何音乐（紧张的电影配乐、欢快的流行歌曲等）。

提示对话并避免字幕

你用Veo 3创建的角色可以非常生动。他们会说话、讲笑话、打手势，有时还能表演。但如果你想让他们说话，你需要进行提示。

你可以用两种不同的方式提示对话：

• 明确地：“一个男人说：我的名字是Ben”
• 隐含地：“一个男人告诉我们他的名字”

这两种方式都会生成一个男人说话的视频，第一种会使用你要求的确切词语，第二种会让模型决定如何表达，在这种情况下，模型会为你决定一个名字。

编写你自己的对话

如果你明确要表达的内容，尽量保持对话简短。内容应该能在约8秒内说完。
如果你试图塞入太多内容，最终可能会导致角色说话速度过快。如果你要求他们说的太少，可能会得到尴尬的沉默或角色说出无意义的AI胡言乱语（如下面的第二个例子）。没有明确的指导，模型将无法编造它需要的所有词语。

你的浏览器不支持视频标签。
对话过长示例
你的浏览器不支持视频标签。
对话过短示例

让Veo 3编写对话脚本

如果你不擅长写对话，隐含的对话提示会有所帮助。你也可以转录你喜欢的输出，以便在以后的提示中使用。
在这里，我们让Veo 3创建一个单口喜剧演员在音乐节上讲笑话的视频，首先我们让Veo 3决定笑话内容。第二个视频我们让Veo 3尝试讲出我们在提示语中放入的笑话。

你的浏览器不支持视频标签。
隐含笑话提示
你的浏览器不支持视频标签。
明确笑话提示

你可以尝试的一些提示语，看看Veo 3在对话方面的多样性：

• 一个单口喜剧演员讲一个笑话
• 两个人讨论一部电影
• 一个男人在电话里争吵
• 一个女人讲述她的生活故事

正确发音

有时你会发现模型发音不正确。处理这个问题最简单的方法是按发音拼写单词。在开头的例子中，我们的播客主持人说：

Read on to get fofr and Shridar’s guidance on making videos

但为了得到我们名字的正确发音，我们不得不将提示语改为：

Read on to get foh-fur’s and Shreedar’s guidance on making videos

谁说了什么

当你提示多个角色之间的对话时，有时会发现Veo 3会混淆谁说了什么。当角色描述相似，并且对Veo 3来说哪个角色是哪个模糊不清时，这种情况很常见。
尽量在你的提示语中明确谁在说话：

• 穿粉色衣服的女人说：但我才是穿粉色的那个人
• 戴眼镜的男人回答：不，我才是戴眼镜的那个人

避免输出中出现字幕

Veo 3肯定是在大量带有硬编码字幕的视频上训练的，因为在输出中经常看到拼写错误和不正确的字幕。它们经常毁掉一次生成，但有几种简单的方法可以避免它们：

1. 将你想听到的说话内容放在冒号后面，例如：“一个男人说：我的名字是Ben”，而不是放在引号里，例如：“一个男人说：‘我的名字是Ben’”。
2. 在提示语中加入“（无字幕）”，否定性指令在Veo 3提示语中效果很好。
3. 如果其他方法都失败了，不断重复说“不要字幕。不要字幕！”。

错误的背景音频（或不需要的现场演播室观众案例）

如果你没有在视频中定义你想听到的背景音频，那么Veo 3需要自己推断，通常这没问题，但有时会出错。现场演播室观众是一种常见的幻觉。有时这是你想要的，比如虚假的情景喜剧。但通常额外的笑声与场景不匹配。Veo 3甚至在制作上面的例子时也这样做过，以下是一个不合适的演播室观众毁掉一次生成的例子：

你的浏览器不支持视频标签。
不需要的演播室观众背景笑声示例

避免这种情况最简单的方法是明确提示你期望听到的音频。在本例中，我们通过添加“远处乐队的声音、嘈杂的人群、繁忙节日场地的环境背景”来修正生成，以获得输出中正确的感觉。

提示音乐

就像视频的其他部分一样，如果你想要场景中有音乐，你需要在提示语中包含它。
同样，你可以明确描述你想听到的音乐的类型、风格和情绪。或者你可以更模糊一些，让Veo 3决定。

风格

开箱即用的Veo 3通常会生成看起来制作精良的实景视频，比如流畅的专业演示、商业广告或音乐视频。
如果你想让它偏离这种风格，你需要在提示语中包含一个风格。以下是Veo 3知道如何生成的一些风格示例，提示语是：

以[风格名称]风格：一个留着胡子的男人穿着法兰绒衬衫和破旧的牛仔裤，盘腿坐在闪烁的篝火旁，琥珀色的火光在安静森林空地上撒满松针的地面上投下柔和、舞动的阴影。在他对面，就在火光边缘之外，站着一只巨大的灰熊，平静而静止，它的皮毛映照着温暖的光芒，眼睛反射着火焰，带着诡异的智慧。两人握手，就像老朋友一样。

你会注意到，不仅视频的外观发生了变化，角色移动和互动的方式也发生了变化。
在每一个示例中，音频保持非常相似，我们没有对音频进行不同的提示，它在不同风格之间变化不大。

你的浏览器不支持视频标签。
原始风格
你的浏览器不支持视频标签。
乐高风格
你的浏览器不支持视频标签。
黏土动画风格
你的浏览器不支持视频标签。
南方公园风格
你的浏览器不支持视频标签。
皮克斯动画风格
你的浏览器不支持视频标签。
8位复古风格
你的浏览器不支持视频标签。
图画小说风格
你的浏览器不支持视频标签。
折纸风格
你的浏览器不支持视频标签。
辛普森一家风格
你的浏览器不支持视频标签。
蓝图风格
你的浏览器不支持视频标签。
动漫风格
你的浏览器不支持视频标签。
大理石风格

摄像机运动

正如你所料，就像其他视频模型一样，Veo 3对常见的摄像机运动提示反应良好。使用以下这些术语，你可以控制视频中的动作：

• 平视
• 高角度
• 虫视
• 推拉镜头
• 变焦镜头
• 摇摄镜头
• 跟踪镜头

你的浏览器不支持视频标签。
变焦推进
你的浏览器不支持视频标签。
变焦拉出
你的浏览器不支持视频标签。
左右摇摄
你的浏览器不支持视频标签。
推拉镜头

自拍风格视频

Veo 3在制作看起来真实的自拍视频方面出奇地好。发现某些短语似乎能持续解锁这种行为。
以“一段自拍视频，内容是…”开头比仅仅描述一个拿着相机的人效果要好得多。
让手臂可见是保持真实感的关键。大猩猩的例子很好地展示了这一点：“将相机举在一臂远的地方。他长长的、有力的手臂在画面中清晰可见。”正是这一点让它看起来像真正的自拍，而不是特写镜头。
自然的眼神移动也有很大帮助。东京的例子展示了这一点：“偶尔看向相机，然后转身指向有趣的摊位。”这种自然的扫视行为比直接盯着相机效果更好。

以下是两个展示其工作原理的例子：

1. 一段自拍视频，一位旅行博主正在探索东京繁华的街头市场。她穿着一件复古牛仔夹克，眼中充满兴奋。午后的阳光在 vendor 摊位之间创造出美丽的阴影。她一边说话一边品尝不同的街头小吃，偶尔看向相机，然后转身指向有趣的摊位。图像略有颗粒感，看起来非常像胶片。她带着英国口音说：“好吧，你来东京一定要试试这个地方。这里的章鱼烧绝对令人难以置信，摊主刚刚告诉我这是他家三代传承的手艺。”她以竖起大拇指结束。

2. 一个手持自拍风格的镜头，从一只在茂密丛林中的大猩猩的视角拍摄。一只巨大的银背大猩猩将相机举在一臂远的地方。他长长的、有力的手臂在画面中清晰可见，他的脸被完美地框住。大猩猩说：“我只是在测试这个功能是否真的有效，我稍后会在TikTok上发布它，基本上感觉挺可爱的可能稍后删除”（嘴唇在动，好像在说话）

你的浏览器不支持视频标签。
东京旅行博主自拍
你的浏览器不支持视频标签。
大猩猩自拍

东京例子还表明：添加“图像略有颗粒感，看起来非常像胶片”似乎能将输出推离那种过于干净的AI外观。最终感觉更像是用手机实际拍摄的东西。

如何用Veo 3制作竖屏视频

目前Veo 3本身不支持竖屏视频，只支持16:9的横屏。但是，你可以使用像Luma的Reframe Video这样的模型，获取一个横屏视频并进行外绘。
Reframe video允许你传入任何视频（最长30秒），并将其外绘为指定纵横比的新视频。所有输出将为720p。

你的浏览器不支持视频标签。
一个被重新框定为9:16竖屏视频的Veo 3视频

Veo 3对竖屏视频的原生支持即将推出。

物理效果

Veo 3擅长模拟逼真的物理效果，在应用不同风格的同时保持适当的运动和交互。该模型保留了物体的自然运动，确保即使转化为不同的艺术风格，坠落、弹跳和流体运动等基于物理的动画也保持物理准确性。

你的浏览器不支持视频标签。
乐高风格物理
你的浏览器不支持视频标签。
折纸风格物理
你的浏览器不支持视频标签。
铬金风格物理
你的浏览器不支持视频标签。
油漆风格物理

升级至4k和60fps

默认情况下，Veo 3输出1280p x 720p的视频。建议使用Topaz Lab的Video Upscaler将视频提升至4k分辨率和每秒60帧。

最后总结

平淡的视频和出色的视频之间的区别在于你的提示语。使用Veo 3时，你不仅仅是在描述发生了什么，你是在导演一个场景。高质量的视频将融合主体、背景、动作、摄像机工作、音频和情绪。像电影制作人一样思考，Veo 3将跟随你的引导。

最后一个提示语示例：

一个播客节目，一个女人穿着灰色毛衣，深棕色凌乱的头发盘成发髻，发丝勾勒着脸庞。她在一个有粉红色和金色向上照明的房间里。无字幕。她在做结束语，对着麦克风说话时直视镜头（无字幕！）：这就是我们指南的结尾，希望你觉得有用。欢迎在Replicate上尝试Veo 3，别忘了在X上关注我们。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）