01 基礎公式
Veo 3.1 聽得懂結構化的導演指令：誰、做什麼、鏡頭怎麼動、在哪、聽起來怎樣。本章把一條好提示詞拆成五個可重複使用的零件——注意第五件是聲音，因為每條 Veo 成片都帶音訊。寫聲音不是選做作業，是基本功。官方最佳實踐還有兩條總則：提示詞要清晰具體、消除歧義；8 秒短片專注單一時刻，別把 A 然後 B 然後 C 塞進一條。
1.1 基本提示詞公式
一切從一句話開始：主體加動作是必需的兩塊，鏡頭、環境、音訊按需疊加。Veo 3.1 的時長固定 8 秒——把它當成一個敘事單元而不是限制：8 秒剛好演完一個節拍（一個主體、一個核心動作、一種運鏡）。寫之前先問自己：這 8 秒只發生一件事，是哪件？貪多塞進的第二個動作，往往兩個都演不好。
[主體] + [動作] + 可選 [鏡頭] [環境] [音訊]
主體
畫面裡的主角——人物、動物或產品，描述越具體越好。
動作
主體在做什麼，寫清肢體部位與快慢輕重；8 秒一個核心動作。
鏡頭
景別與運鏡：特寫、推鏡、橫移，一個鏡頭只給一種。
環境
場景與氛圍：地點、時間、光線、天氣。
音訊
音效、對白、配樂——每條 Veo 成片都帶聲音，不寫就交給模型即興。
漁港的日出
提示詞
清晨的漁港，幾艘木質漁船隨著湧浪輕輕起伏，一位戴斗笠的老漁民站在船頭，彎腰把濕漉漉的漁網一圈圈拉上來。鏡頭從碼頭的低角度緩慢推近，金色的晨光在水面上鋪開。音訊：海浪輕拍船身，海鷗鳴叫著掠過，漁網滴落的水聲，遠處柴油引擎的低鳴。
主體+動作兩句起步，鏡頭與環境各補一句，再點名聲音收尾——這就是一條合格的 Veo 基礎提示詞。建議 1080p、16:9。
1.2 運鏡語言
Veo 3.1 對官方術語表裡的運鏡詞執行得很準。三類術語可以組合呼叫：機位角度（eye-level 平視 / low-angle 仰拍 / high-angle 俯拍 / bird's-eye 鳥瞰 / over-the-shoulder 過肩 / POV 第一視角）、鏡頭運動（static 固定 / pan 橫搖 / tilt 俯仰 / dolly 推拉 / truck 橫移 / crane 升降 / aerial 航拍 / arc 環繞 / whip pan 快速甩鏡）、光學效果（shallow depth of field 淺景深 / rack focus 變焦轉移 / telephoto 長焦壓縮）。紀律只有一條——8 秒一個鏡頭只給一種運動，推拉環繞全堆上只會換來漂移的畫面。
清晨市集的橫移
提示詞
清晨的露天市集，鏡頭沿著一排攤位緩慢橫移：竹筐裡堆著帶露水的青菜，攤主掀開蒸籠，白色蒸汽噴湧而出，一位老婦人挑揀著番茄裝進布袋。晨光從帆布棚的縫隙斜射進來，塵埃在光柱裡浮動。音訊：攤販此起彼落的叫賣聲，塑膠袋的窸窣聲，蒸籠蓋掀開的嘶嘶聲，熱鬧而充滿生活氣息。
「鏡頭沿著……緩慢橫移」是橫移運鏡最穩的寫法，景物按鏡頭經過的順序排隊。8 秒一種運動——橫移——走完全程。
1.3 風格控制
風格詞定整條片子的美術調性——位置靈活但不能缺席：cinematic（電影感）、3D animation（3D 動畫）、watercolor illustration（水彩插畫）、stop-motion（定格動畫）、documentary handheld（紀實手持）都是高命中詞。風格要自洽：折紙世界就該配紙張的窸窣聲。畫面與聲音寫在同一種風格裡，成片才是一個完整的世界。
折紙森林裡的鹿
提示詞
一個折紙構成的世界：紙折的森林層層疊疊，一隻折紙小鹿從紙樹後面走出來，低頭嗅了嗅一朵折紙花，隨後抬起頭，紙耳朵輕輕抖了一下。鏡頭緩慢推近至小鹿的側臉。定格動畫質感，影棚柔光，紙張紋理清晰可見。音訊：紙張摩擦的細微沙沙聲，輕快俏皮的木琴配樂——像翻開一本立體童話書。
風格詞「定格動畫質感 + 紙張紋理」定調，音訊用紙張聲與木琴呼應——一個世界一種風格。建議 1080p。
02 原生音訊
音訊恆開是 Veo 3.1 的頭號特性：每條成片自帶聲音，沒有開關，也不需要後期配音——音效、對白、配樂與畫面同一次生成、自動對齊。官方建議用獨立的句子描述音訊。寫得越具體，結果越準；什麼都不寫，模型就即興——未必是你要的氣氛。本章把聲音拆成音效、對白、配樂三件，逐件講透。
2.1 音效設計
音效的寫法是「點名 + 分層」：把想要的聲音逐一列出來，再交代哪個在近處、哪個在遠處——近處主聲在前，細節居中，遠景墊後。擬聲詞配上聲源效果最好：「雷聲轟鳴」勝過「有雷聲」，「雨點敲打鐵皮屋頂」勝過「下雨的聲音」。
森林暴風雨
提示詞
暴風雨中的針葉林，狂風把樹冠壓向一邊，閃電劃破昏暗的天空，豆大的雨點砸在蕨類植物上，山澗在巨石間奔湧。林間低角度固定鏡頭，每次閃電畫面驟然變亮。音訊：近處密集的雨點砸在樹葉上，狂風呼嘯著穿過森林，溪流的奔湧聲，隨後一聲炸雷在正頭頂炸響，滾滾向遠方滾去。
音訊分層——近處雨聲、風雨聲、由近及遠的雷聲，雷聲給了完整的弧線。8 秒剛好是一聲雷的完整旅程。
2.2 角色對白
對白的官方寫法是「誰 + 怎麼說 + 冒號 + 台詞」：用外觀指認說話人，附上「微笑著說」「輕聲說」這類語氣提示，台詞跟在冒號後面。特別注意官方最佳實踐：不要給台詞加引號——引號有被渲染成畫面文字的風險，用冒號引導台詞即可。模型自動對嘴，8 秒裝得下一兩句短台詞，台詞越短嘴型越穩；更長的對話拆成兩條生成更穩。
主廚的試味
提示詞
餐廳後廚，一位繫深色圍裙的中年主廚舀起一勺湯，吹了吹，嚐了一口，閉眼停了一秒。他轉頭對身邊的年輕學徒微笑著說：就差一味——山葵，一點點就好。學徒愣了一下，點點頭跑向香料架。鏡頭中景固定，灶台的火光在兩人臉上跳動。音訊：湯鍋的咕嘟聲，抽油煙機的低鳴，主廚沉穩的嗓音，背景裡鍋鏟清脆的碰撞聲。
台詞用冒號引導、不加引號（官方紀律：引號會被渲染成畫面文字），說話人用「繫深色圍裙的主廚」指認，語氣提示「微笑著說」跟上，廚房音效最後鋪一層。建議 16:9。
2.3 配樂與情緒
配樂的寫法是「流派 + 情緒 + 樂器」三件套：「歡快的爵士樂」是模糊的，「慵懶的爵士三重奏，鼓刷在小鼓上打圈」才是精確的。配樂要貼合畫面節奏——快剪蒙太奇要驅動感的節拍，長鏡頭要氛圍墊底。在對白與音效都缺席的純畫面段落，配樂是唯一的聲部，值得多寫一句。
黃昏的濱海城市
提示詞
黃昏的濱海城市：渡輪劃開金色的水面靠岸，辦公大樓的玻璃帷幕接住夕陽，人行天橋上的行人拖著長影，街角的唱片行亮起暖燈。鏡頭在這四個畫面之間流轉，情緒溫暖而懷舊。配樂：慵懶的爵士三重奏——撥奏的低音提琴打底，鼓刷在小鼓上輕輕打圈，薩克斯風偶爾飄進來一句。鬆弛、悵惘。
配樂寫全「爵士三重奏 + 慵懶懷舊 + 低音提琴/鼓刷/薩克斯風」三件套，貼合黃昏蒙太奇的節奏。建議 1080p。
03 圖生影片
一張首幀圖片加一段運動描述——Veo 3.1 讓畫面動起來。官方最佳實踐兩條：提示詞只寫運動（圖片已經提供了主體、場景與風格，重複描述只會干擾模型）；指代圖中人物用泛稱（「那個女人」「他」「她」）。一個實用規則：上傳前把圖片裁到目標比例（16:9 或 9:16），構圖主動權在自己手裡。聲音照常寫——靜幀本身不帶任何音訊資訊，音效與配樂全部來自你的提示詞。
3.1 讓畫面動起來
圖生影片的提示詞只寫三件事：什麼動、怎麼動、鏡頭動不動——官方稱之為鏡頭運動、主體動畫、環境動畫三類，可單獨也可組合。別硬加圖裡沒有的東西，但圖裡已有的都可以「喚醒」：飄動的衣角、流動的雲、閃爍的火焰，小動作命中最穩。補一句「延續原圖的質感」，畫風就不會跑偏。
手繪素描活了
提示詞
讓這張手繪素描動起來：站在橋上的女孩，頭髮和圍巾在風中輕輕揚起，她抬手把被風吹亂的一縷頭髮別到耳後，橋下河流的墨線泛起流動的光，鉛筆畫的雲朵在天上緩緩漂移。鏡頭固定，動作細膩自然，全程延續原圖的鉛筆素描質感與紙紋。音訊：輕柔的風聲，隱約的紙張窸窣聲，一段安靜的鋼琴獨奏。
需上傳 1 張首幀圖片；只寫運動不重述場景（官方紀律），「延續原圖的鉛筆素描質感」穩住畫風。
3.2 產品展示
電商產品的展示影片，提示詞覆蓋兩件事：產品怎麼動（旋轉、懸浮、俯仰），鏡頭怎麼配合（環繞、推近）。補一句「產品外觀與圖片保持一致」鎖定細節，再指定布光與背景。音訊是產品片最容易漏的細節：盒蓋開啟的咔噠聲、一段高級感的配樂——小細節推動轉化率。
懸浮的跑鞋
提示詞
圖片中的跑鞋在深灰色背景前緩緩升起，懸浮著勻速旋轉一整圈，鞋面的編織紋理與反光條在燈光下流轉。鏡頭緩慢推近至中底特寫，展示緩震結構。產品外觀與圖片保持一致，影棚級布光，畫面乾淨高級。音訊：鞋子升起時一聲輕柔的呼嘯，配一段極簡科技感、節拍穩定的電子配樂。
需上傳 1 張產品圖；「旋轉一整圈 + 推近特寫」是產品展示的經典組合，科技感配樂與之呼應。
04 參考生影片與 Fast
Veo 3.1 Fast 是更便宜的走量檔：畫面規格與標準版一致（720p/1080p/4K、8 秒、音訊恆開），價格更友好——適合草稿與批次生產。它還獨佔一項能力：參考生影片（r2v）。上傳 1-3 張參考圖鎖定角色外觀，讓角色去任何新場景演戲。硬規則：參考生影片的輸出鎖定 16:9 橫式；要直式請回文生影片或圖生影片。
4.1 角色一致性兩種打法
打法一（參考圖）：提示詞是三段式——用「圖片N」把素材請進場，寫新場景裡發生什麼，一句「保持一致」收口。上傳順序就是編號順序，最多 3 張，同一角色的多角度圖效果最好。打法二（純文字）：官方 best practices 的標準做法——給角色起名字，寫一段詳盡且逐字不變的角色與嗓音描述（年齡、髮型、五官、服裝、口音），在每個新場景的提示詞裡整段重用，再配合同一個 seed，角色與聲線跨場景一致。下面的 clara-archive 範例就是官方文件的原文示範。
[參考圖：圖片1…圖片3] + [場景描述] + 保持 [主體] 一致
參考圖
最多 3 張，用「圖片N」在提示詞中引用，上傳順序即編號順序。
場景描述
新場景裡發生什麼：動作、環境、運鏡、音訊。
一致性
收尾一句「與參考圖保持一致」強化鎖定。
機器人吉祥物廣場起舞
提示詞
圖片1和圖片2中白色圓頭的小機器人吉祥物，出現在夜晚的城市廣場，巨型地屏流動著彩色光帶。它隨著音樂跳起街舞：左右滑步、機械定格，最後一個單臂高舉的收尾 pose。鏡頭在中景距離環繞牠半周。吉祥物外觀與參考圖保持一致，3D 動畫質感。音訊：動感的放克音樂，機器人關節輕微的機械聲，收尾定格時一聲清脆的音效。
需上傳 1-3 張參考圖；此範例自動切換到 Veo 3.1 Fast，輸出 16:9 橫式。同一角色的多角度圖一致性最好。
檔案館裡的 Clara（官方一致性範例）
提示詞
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.
Google 官方最佳實踐文件的原文範例：角色外貌與嗓音描述寫成一個逐字不變的固定段落，在每個新場景整段重用（只改動作與場景部分），配同一個 seed——純文字跨場景一致性的標準做法。台詞用冒號引導、不加引號。
4.2 什麼時候用 Fast
一句話：草稿用 Fast，成片用標準版。提示詞除錯、分鏡動態樣片、批次社群內容，都能放大 Fast 的成本優勢；每個細節都重要的最終主鏡頭，切回標準版拿最高保真。而只要用參考生影片，你就已經在 Fast 上——唯一一個不用選的場景。
讓油畫動起來
提示詞
圖片1是一幅油畫：黃昏的海濱小鎮，漁船擱淺在沙灘上，遠處教堂鐘樓亮著燈。讓畫中世界動起來：炊煙從煙囪裊裊升起，海面以厚塗的筆觸波光粼粼，一位漁夫扛著船槳走過沙灘，鐘樓的燈光輕輕閃爍。鏡頭極緩慢地平移，全程保持厚重的筆觸與顏料質感，畫面風格與參考圖保持一致。音訊：遠處的海浪聲，教堂晚鐘敲了三下，海鷗的叫聲，安靜而遼闊。
需上傳 1-3 張參考圖；此範例自動切換到 Veo 3.1 Fast。風格參考用「保持筆觸質感」+「風格保持一致」雙鎖。