01 La formule de base
Veo 3.1 comprend la direction structurée qui, ce qu’ils font, comment la caméra bouge, où, et à quoi cela ressemble au son. Ce chapitre décompose un bon prompt en cinq pièces réutilisables — et notez que la cinquième est le son, parce que chaque clip Veo porte de l’audio. Écrire le son n’est pas un devoir optionnel c’est une partie du métier. Deux règles de base officielles par-dessus les prompts doivent être clairs et spécifiques, l’ambiguïté éliminée et une courte vidéo de 8 secondes se concentre sur un seul moment — n’enchaînez pas « A puis B puis C » dans un seul prompt.
1.1 La formule de base du prompt
Tout commence par une phrase le sujet et le mouvement sont les deux parties obligatoires caméra, environnement et audio s’empilent au besoin. La durée de Veo 3.1 est fixée à 8 secondes — traitez-la comme une unité narrative, pas une limitation 8 secondes, c’est exactement un battement complet (un sujet, une action centrale, un mouvement de caméra). Avant d’écrire, demandez-vous si une seule chose se passe dans ces 8 secondes, laquelle Une seconde action entassée signifie généralement que les deux jouent mal.
[Sujet] + [Mouvement] + facultatif [Caméra] [Environnement] [Audio]
Sujet
La star du cadre — une personne, un animal ou un produit. Plus c’est précis, mieux c’est.
Mouvement
Ce que fait le sujet, avec les parties du corps et le rythme précisés une action centrale par 8 secondes.
Caméra
Cadrage et mouvement de caméra close-up, push-in, dolly — un seul mouvement par plan.
Environnement
Décor et ambiance lieu, moment de la journée, éclairage, météo.
Audio
Effets sonores, dialogues, musique — chaque clip Veo porte de l’audio laissez vide et le modèle improvise.
Le lever de soleil au port de pêche
Prompt
Un port de pêche à l’aube. Quelques bateaux en bois montent et descendent sur la houle tandis qu’un vieux pêcheur en chapeau conique se tient à la proue, se penchant pour hisser un filet ruisselant, spire après spire. La caméra effectue un lent push-in depuis un low angle sur la jetée tandis que la lumière dorée du matin s’étale sur l’eau. Audio des vagues clapotant contre les coques, des mouettes criant en rasant la surface, le crépitement de l’eau secouée du filet, le grondement sourd d’un moteur diesel au loin.
Deux phrases pour le sujet et le mouvement, une pour la caméra, une pour l’environnement, puis nommez les sons pour conclure — voilà un prompt Veo de base solide. Suggestion 1080p, 16:9.
1.2 Le langage de caméra
Veo 3.1 exécute fidèlement les termes de la nomenclature officielle de Google, et trois familles peuvent être combinées. Les angles de caméra eye-level (à hauteur d’œil), low-angle (contre-plongée), high-angle (plongée), bird’s-eye (vue d’oiseau), over-the-shoulder (par-dessus l’épaule), POV (vue subjective). Les mouvements de caméra static (fixe), pan (panoramique), tilt (bascule), dolly (travelling), truck (translation), crane (grue), aerial (aérien), arc (arc de cercle), whip pan (balayage rapide). Les effets optiques shallow depth of field (faible profondeur de champ), rack focus (transfert de mise au point), telephoto compression (compression téléobjectif). Une règle de discipline — un seul mouvement par plan de 8 secondes empiler push, orbit et pan ensemble ne vous achète que des images qui dérivent.
Un travelling dans le marché du matin
Prompt
Un marché en plein air au petit matin. La caméra fait un truck lent le long d’une rangée d’étals des paniers en bambou empilés de légumes verts couverts de rosée, un vendeur soulevant le couvercle d’un panier vapeur en bambou tandis que de la vapeur blanche jaillit, une femme âgée triant des tomates et déposant ses choix dans un sac en tissu. La lumière du matin oblique à travers les interstices des bâches en toile, des grains de poussière dérivant dans les rais. Audio des vendeurs s’appelant par-dessus les autres, le froissement des sacs plastique, le sifflement du couvercle du panier vapeur qui se soulève — animé et plein de vie quotidienne.
« La caméra fait un truck lent le long de… » est le terme officiel et la formulation la plus stable pour un mouvement latéral faites la queue des vues dans l’ordre où la caméra les croise. Un seul mouvement — le truck — pour les 8 secondes entières.
1.3 Contrôle du style
Les mots de style posent la direction artistique de tout le clip — la position est flexible, mais ils ne peuvent pas manquer « cinematic », « 3D animation », « watercolor illustration », « stop-motion » et « documentary handheld » sont tous des termes à fort taux de réussite des listes officielles. Gardez le style cohérent avec lui-même un monde en origami devrait sonner comme du papier qui froufroute. Quand l’image et le son sont écrits dans le même style, le résultat ressemble à un monde complet.
Un cerf dans une forêt d’origami
Prompt
Un monde fait d’origami des arbres en papier plié en couches. Un cerf en papier sort de derrière un arbre, baisse la tête pour renifler une fleur en origami, puis relève les yeux, ses oreilles de papier frémissant doucement. La caméra effectue un lent push-in vers une vue de profil du cerf. Sensation stop-motion, lumière de studio douce, texture du papier visible. Audio le froufrou délicat du papier, une partition de xylophone légère et enjouée — comme l’ouverture d’un livre animé.
Les mots de style « sensation stop-motion + texture du papier » posent le ton, et l’audio s’accorde avec le froufrou du papier et le xylophone — un monde, un style. Suggestion 1080p.
02 Audio natif
L’audio toujours actif est la tête de proue de Veo 3.1 chaque clip est livré avec du son, il n’y a pas d’interrupteur d’arrêt, et aucun doublage de post-production n’est nécessaire — effets, dialogues et musique sont générés avec l’image, automatiquement synchronisés. Google recommande de décrire l’audio dans des phrases séparées. Plus vous êtes précis, plus le résultat est précis n’écrivez rien et le modèle improvise — pas toujours l’ambiance que vous vouliez. Ce chapitre scinde le son en effets, dialogues et musique, et les couvre chacun à son tour.
2.1 Design sonore
Les effets sonores s’écrivent comme « nommez-les + empilez-les » listez chaque son souhaité, puis précisez lequel est au premier plan et lequel est lointain — le son principal proche d’abord, les détails au milieu, le fond lointain en dernier. Associez l’onomatopée à sa source pour les meilleurs résultats « le tonnerre gronde » bat « il y a du tonnerre », et « la pluie tambourinant sur un toit en tôle » bat « des bruits de pluie ».
Une tempête éclate sur la forêt
Prompt
Une forêt de conifères dans la tempête. Un vent de force ouragan plie les cimes des arbres d’un côté, la foudre déchire le ciel sombre, de grosses gouttes martèlent les feuilles des fougères, et un ruisseau de montagne se précipite entre les rochers. Plan statique en low angle parmi les arbres, le cadre s’illuminant à chaque éclair. Audio de la pluie dense tambourinant sur les feuilles de près, du vent hurlant à travers la forêt, le ruisseau qui se précipite, puis un coup de tonnerre éclatant juste au-dessus et roulant au loin.
Empilez l’audio — pluie proche, vent et eau, tonnerre allant de près en loin — avec au tonnerre un arc complet. 8 secondes, c’est exactement le voyage complet d’un coup de tonnerre.
2.2 Dialogue des personnages
La notation officielle du dialogue est « qui + comment + deux-points + la réplique » identifiez le locuteur par l’apparence, attachez une indication de prestation comme « en souriant » ou « doucement », et laissez la réplique suivre un deux-points. Une bonne pratique officielle mérite une attention particulière ne mettez pas la réplique entre guillemets — les guillemets risquent d’être rendus comme texte à l’écran dans la vidéo, laissez donc un deux-points introduire les mots. Le modèle synchronise les lèvres automatiquement 8 secondes tiennent une ou deux courtes répliques, et plus la réplique est courte, plus la synchronisation est stable. Pour les conversations plus longues, scinder en deux clips fonctionne mieux.
La dégustation du chef cuisinier
Prompt
Dans la cuisine d’un restaurant, un chef cuisinier d’âge mûr en tablier sombre soulève une cuillère de soupe, souffle dessus, la goûte et ferme les yeux une seconde. Il se tourne vers le jeune commis à côté de lui et dit en souriant Il manque une chose — du wasabi, juste une touche. Le commis se fige un instant, puis hoche la tête et file vers l’étagère à épices. Medium shot statique, la lueur du feu de la cuisinière jouant sur les deux visages. Audio la soupe qui bouillonne, le ronronnement bas de la hotte, la voix posée du chef, le cliquetis vif des spatules en arrière-plan.
La réplique suit un deux-points sans guillemets (règle officielle les guillemets sont rendus comme texte à l’écran), le locuteur est identifié comme « le chef cuisinier en tablier sombre », l’indication de prestation « en souriant » est attachée — puis les sons de la cuisine sont empilés en dernier. Suggestion 16:9.
2.3 Musique et ambiance
La musique s’écrit comme un trio de « genre + ambiance + instruments » « du jazz enlevé » est vague, tandis que « un trio de jazz décontracté, des balais tournant sur la caisse claire » est précis. Accordez la partition au rythme de l’image — les montages à coupes rapides veulent un tempo entraînant, les plans-séquences veulent un lit d’ambiance. Dans les passages purement visuels, sans dialogue ni effets, la musique est la seule voix du mix et mérite la phrase supplémentaire.
Une ville au bord de l’eau au crépuscule
Prompt
Une ville au bord de l’eau au crépuscule un ferry fend l’eau dorée en accostant, les tours de bureaux attrapent le soleil couchant dans leurs vitres, les piétons sur une passerelle traînent de longues ombres, et un disquaire de coin allume ses lampes chaleureuses. La caméra dérive entre ces quatre vignettes, l’ambiance chaleureuse et nostalgique. Musique un trio de jazz décontracté — la contrebasse pincée comme fondation, des balais tournant doucement sur la caisse claire, un saxophone s’infiltrant avec une phrase occasionnelle. Détendu, mélancolique.
La musique est détaillée comme « trio de jazz + décontracté et nostalgique + basse/balais/saxophone » — le trio complet, accordé au rythme d’un montage au crépuscule. Suggestion 1080p.
03 Image vers vidéo
Une image de première frame plus une description de mouvement — Veo 3.1 donne vie au cadre. Deux bonnes pratiques officielles écrivez le prompt uniquement pour le mouvement (l’image fournit déjà le sujet, la scène et le style — les redécrire ne fait que troubler le modèle), et référez-vous aux personnes de l’image avec des termes généraux (« la femme », « il », « elle »). Une règle pratique recadrez votre image au format cible (16:9 ou 9:16) avant l’upload, pour que le cadrage reste entre vos mains. Écrivez le son comme d’habitude une image fixe ne porte aucune information audio, donc les effets et la musique viennent entièrement de votre prompt.
3.1 Donner vie au cadre
Un prompt image-to-video n’écrit que trois choses ce qui bouge, comment ça bouge, et si la caméra bouge — la nomenclature officielle les appelle mouvement de caméra, animation de sujet et animation d’environnement, seules ou en combinaison. N’imposez pas ce qui n’est pas dans l’image — mais tout ce qui s’y trouve déjà peut être réveillé un pan de manteau qui flotte, des nuages qui dérivent, une flamme qui vacille. Les petits mouvements frappent le plus sûrement. Ajoutez une ligne — « reporter la texture d’origine de l’image » — et le style ne dérivera pas.
Un croquis dessiné à la main prend vie
Prompt
Donnez vie à ce croquis dessiné à la main la fille debout sur le pont, ses cheveux et son écharpe se soulevant doucement dans le vent. Elle lève une main pour glisser une mèche soufflée derrière son oreille, les lignes d’encre de la rivière sous le pont ondulant d’une lumière fluide, et les nuages crayonnés dérivant lentement au-dessus. La caméra reste fixe le mouvement est subtil et naturel, préservant la texture du croquis au crayon d’origine et le grain du papier tout du long. Audio une brise douce, un froufrou de papier à peine perceptible, un morceau de piano solo tranquille.
Nécessite 1 image de première frame écrivez uniquement le mouvement, ne redécrivez jamais la scène (règle officielle), et laissez « préserver la texture du croquis au crayon d’origine » tenir le style.
3.2 Vitrine produit
Pour les clips produit e-commerce, le prompt couvre deux choses comment le produit bouge (rotation, lévitation, inclinaison) et comment la caméra joue le jeu (orbite, push-in). Ajoutez une ligne — « garder le produit identique à l’image » — pour verrouiller les détails, puis nommez l’éclairage et l’arrière-plan. L’audio est le détail que la plupart des clips produit oublient le clic d’un couvercle de boîte, une partition haut de gamme — de petites choses qui font bouger la conversion.
Une chaussure de course en lévitation
Prompt
La chaussure de course de l’image s’élève lentement devant un arrière-plan gris sombre, lévitant tandis qu’elle effectue un tour complet régulier — la texture tissée de la tige et ses bandes réfléchissantes attrapant la lumière. La caméra effectue un lent push-in vers un close-up de la semelle intermédiaire, révélant la structure d’amorti. Gardez le produit identique à l’image. Éclairage de studio, look premium propre. Audio un léger whoosh lorsque la chaussure s’élève, soutenu par une partition électronique minimaliste à la vibe tech et au battement régulier.
Nécessite 1 image produit « un tour complet + push-in vers un close-up » est la combinaison classique de vitrine produit, avec une partition au style tech pour l’accompagner.
04 Reference-to-video et Fast
Veo 3.1 Fast est le niveau volume économique les mêmes spécifications d’image que le modèle standard (720p/1080p/4K, 8 secondes, audio toujours actif) à un prix plus doux — idéal pour les brouillons et la production en série. Il possède aussi en exclusivité une capacité la reference-to-video (r2v). Téléversez 1 à 3 images de référence pour verrouiller l’apparence d’un personnage et envoyez ce personnage dans n’importe quelle nouvelle scène. Règle stricte la sortie de la reference-to-video est verrouillée en 16:9 paysage pour la vidéo verticale, revenez à la text-to-video ou à l’image-to-video.
4.1 Deux chemins vers la cohérence des personnages
Chemin un (images de référence) le prompt est une structure en trois parties — faites entrer les éléments en scène avec « Image N », décrivez ce qui se passe dans la nouvelle scène, puis terminez par une ligne de cohérence. L’ordre d’upload est l’ordre de numérotation, jusqu’à 3 images, et plusieurs angles du même personnage fonctionnent le mieux. Chemin deux (texte pur) l’approche des bonnes pratiques officielles — donnez un nom au personnage, écrivez une description détaillée et fixe mot pour mot de son apparence et de sa voix (âge, cheveux, traits, garde-robe, accent), réutilisez tout le paragraphe verbatim dans le prompt de chaque nouvelle scène, et associez-le au même seed pour la cohérence entre scènes du visage comme de la voix. L’exemple clara-archive ci-dessous est la propre démonstration de la documentation officielle.
[Références Image 1…Image 3] + [description de la scène] + gardez le [sujet] cohérent
Images de référence
Jusqu’à 3 images, citées dans le prompt comme « Image N » l’ordre d’upload est l’ordre de numérotation.
Description de la scène
Ce qui se passe dans la nouvelle scène action, environnement, caméra, audio.
Cohérence
Une ligne de clôture comme « garder identique aux images de référence » renforce le verrouillage.
Une mascotte robot danse sur la place
Prompt
La petite mascotte robot à tête ronde et blanche des Image 1 et Image 2 apparaît sur une place de ville la nuit, un immense écran au sol ruisselant de lumière colorée. Elle se lance dans une danse de rue sur la musique des glissades latérales, des arrêts robotiques, et une pose finale bras levé. La caméra orbite sur un demi-cercle autour d’elle à distance moyenne. Gardez la mascotte identique aux images de référence qualité d’animation 3D. Audio un morceau funk énergique, de faibles vrombissements mécaniques venant des articulations du robot, et un coup de son net sur l’arrêt final.
Nécessite 1 à 3 images de référence cet exemple bascule automatiquement sur Veo 3.1 Fast avec une sortie 16:9 paysage. Plusieurs angles du même personnage donnent la meilleure cohérence.
Clara dans les archives (exemple officiel de cohérence)
Prompt
A medium shot, with the camera slowly dollying forward in a dimly lit, grand Parisian archive. Dust motes dance in a single beam of light from a high window. Clara, a historian in her early 30s, with observant, dark brown eyes that hold a quiet intensity. She has chin-length, black hair styled in a classic bob. She is dressed in a sophisticated, dark navy-blue wool coat, with a silk scarf patterned with subtle gold and cream designs tied around her neck. She stands before a large, ancient wooden table, carefully turning the fragile, yellowed page of a massive, leather-bound book. Her expression is one of deep concentration. In a voice that is crisp and clear, with a thoughtful, analytical tone and a standard American accent, Clara says: It has to be here.
L’exemple verbatim de la documentation officielle des bonnes pratiques de Google l’apparence et la voix sont écrites comme un paragraphe fixe mot pour mot, réutilisé intégralement dans chaque nouvelle scène (seuls l’action et le décor changent), associé au même seed — l’approche standard en texte pur pour la cohérence entre scènes. Notez que le deux-points introduit la réplique, sans guillemets.
4.2 Quand utiliser Fast
En une ligne brouillonnez avec Fast, finissez avec Standard. L’itération de prompts, les animatiques de storyboard et le contenu social en série multiplient l’avantage de coût de Fast pour les plans héro finaux où chaque détail compte, revenez au modèle standard pour une fidélité maximale. Et dès que vous utilisez la reference-to-video, vous êtes déjà sur Fast — le seul cas où le choix est fait pour vous.
Donner vie à une peinture à l’huile
Prompt
L’Image 1 est une peinture à l’huile le crépuscule dans une ville côtière, des bateaux de pêche au repos sur le sable, un clocher d’église éclairé au loin. Donnez vie au monde peint la fumée de la cuisine s’enroule depuis les cheminées, la mer scintille en épais coups de pinceau, un pêcheur traverse la plage avec une rame sur l’épaule, et la lampe du clocher vacille doucement. La caméra effectue un pan extrêmement lent, préservant le travail de pinceau épais et la texture de la peinture tout du long. Gardez le style identique à l’image de référence. Audio des vagues lointaines, la cloche de l’église sonnant trois carillons du soir, des mouettes appelant — calme et d’une grande portée.
Nécessite 1 à 3 images de référence cet exemple bascule automatiquement sur Veo 3.1 Fast. Pour les références de style, double-verrouillez avec « préserver la texture du coup de pinceau » plus « garder le style identique ».