01 基础公式
Veo 3.1 能听懂结构化的导演指令：谁、做什么、镜头怎么动、在哪、听起来怎样。本章把一条好提示词拆成五个可复用的零件——注意第五件是声音，因为每条 Veo 成片都带音频。写声音不是选做作业，是基本功。官方最佳实践还有两条总则：提示词要清晰具体、消除歧义；8 秒短片专注单一时刻，别把 A 然后 B 然后 C 塞进一条。
1.1 基本提示词公式
一切从一句话开始：主体加动作是必需的两块，镜头、环境、音频按需叠加。Veo 3.1 的时长固定 8 秒——把它当成一个叙事单元而不是限制：8 秒刚好演完一个节拍（一个主体、一个核心动作、一种运镜）。写之前先问自己：这 8 秒只发生一件事，是哪件？贪多塞进的第二个动作，往往两个都演不好。
[主体] + [动作] + 可选 [镜头] [环境] [音频]
主体
画面里的主角——人物、动物或产品，描述越具体越好。
动作
主体在做什么，写清肢体部位与快慢轻重；8 秒一个核心动作。
镜头
景别与运镜：特写、推镜、横移，一个镜头只给一种。
环境
场景与氛围：地点、时间、光线、天气。
音频
音效、对白、配乐——每条 Veo 成片都带声音，不写就交给模型即兴。
渔港的日出
提示词
清晨的渔港，几艘木质渔船随着涌浪轻轻起伏，一位戴斗笠的老渔民站在船头，弯腰把湿漉漉的渔网一圈圈拉上来。镜头从码头的低角度缓慢推近，金色的晨光在水面上铺开。音频：海浪轻拍船身，海鸥鸣叫着掠过，渔网滴落的水声，远处柴油引擎的低鸣。
主体+动作两句起步，镜头与环境各补一句，再点名声音收尾——这就是一条合格的 Veo 基础提示词。建议 1080p、16:9。
1.2 运镜语言
Veo 3.1 对官方术语表里的运镜词执行得很准。三类术语可以组合调用：机位角度（eye-level 平视 / low-angle 仰拍 / high-angle 俯拍 / bird's-eye 鸟瞰 / over-the-shoulder 过肩 / POV 第一视角）、镜头运动（static 固定 / pan 横摇 / tilt 俯仰 / dolly 推拉 / truck 横移 / crane 升降 / aerial 航拍 / arc 环绕 / whip pan 快速甩镜）、光学效果（shallow depth of field 浅景深 / rack focus 变焦转移 / telephoto 长焦压缩）。纪律只有一条——8 秒一个镜头只给一种运动，推拉环绕全堆上只会换来漂移的画面。
清晨市集的横移
提示词
清晨的露天市集，镜头沿着一排摊位缓慢横移：竹筐里堆着带露水的青菜，摊主掀开蒸笼，白色蒸汽喷涌而出，一位老妇人挑拣着番茄装进布袋。晨光从帆布棚的缝隙斜射进来，尘埃在光柱里浮动。音频：摊贩此起彼伏的叫卖声，塑料袋的窸窣声，蒸笼盖掀开的嘶嘶声，热闹而充满生活气息。
「镜头沿着……缓慢横移」是横移运镜最稳的写法，景物按镜头经过的顺序排队。8 秒一种运动——横移——走完全程。
1.3 风格控制
风格词定整条片子的美术调性——位置灵活但不能缺席：cinematic（电影感）、3D animation（3D 动画）、watercolor illustration（水彩插画）、stop-motion（定格动画）、documentary handheld（纪实手持）都是高命中词。风格要自洽：折纸世界就该配纸张的窸窣声。画面与声音写在同一种风格里，成片才是一个完整的世界。
折纸森林里的鹿
提示词
一个折纸构成的世界：纸折的森林层层叠叠，一只折纸小鹿从纸树后面走出来，低头嗅了嗅一朵折纸花，随后抬起头，纸耳朵轻轻抖了一下。镜头缓慢推近至小鹿的侧脸。定格动画质感，影棚柔光，纸张纹理清晰可见。音频：纸张摩擦的细微沙沙声，轻快俏皮的木琴配乐——像翻开一本立体童话书。
风格词「定格动画质感 + 纸张纹理」定调，音频用纸张声与木琴呼应——一个世界一种风格。建议 1080p。
02 原生音频
音频恒开是 Veo 3.1 的头号特性：每条成片自带声音，没有开关，也不需要后期配音——音效、对白、配乐与画面同一次生成、自动对齐。官方建议用独立的句子描述音频。写得越具体，结果越准；什么都不写，模型就即兴——未必是你要的气氛。本章把声音拆成音效、对白、配乐三件，逐件讲透。
2.1 音效设计
音效的写法是「点名 + 分层」：把想要的声音逐一列出来，再交代哪个在近处、哪个在远处——近处主声在前，细节居中，远景垫后。拟声词配上声源效果最好：「雷声轰鸣」胜过「有雷声」，「雨点敲打铁皮屋顶」胜过「下雨的声音」。
森林暴风雨
提示词
暴风雨中的针叶林，狂风把树冠压向一边，闪电划破昏暗的天空，豆大的雨点砸在蕨类植物上，山涧在巨石间奔涌。林间低角度固定镜头，每次闪电画面骤然变亮。音频：近处密集的雨点砸在树叶上，狂风呼啸着穿过森林，溪流的奔涌声，随后一声炸雷在正头顶炸响，滚滚向远方滚去。
音频分层——近处雨声、风雨声、由近及远的雷声，雷声给了完整的弧线。8 秒刚好是一声雷的完整旅程。
2.2 角色对白
对白的官方写法是「谁 + 怎么说 + 冒号 + 台词」：用外观指认说话人，附上「微笑着说」「轻声说」这类语气提示，台词跟在冒号后面。特别注意官方最佳实践：不要给台词加引号——引号有被渲染成画面文字的风险，用冒号引导台词即可。模型自动对口型，8 秒装得下一两句短台词，台词越短口型越稳；更长的对话拆成两条生成更稳。
主厨的试味
提示词
餐厅后厨，一位系深色围裙的中年主厨舀起一勺汤，吹了吹，尝了一口，闭眼停了一秒。他转头对身边的年轻学徒微笑着说：还缺一味——山葵，一点点就好。学徒愣了一下，点点头跑向香料架。镜头中景固定，灶台的火光在两人脸上跳动。音频：汤锅的咕嘟声，抽油烟机的低鸣，主厨沉稳的嗓音，背景里锅铲清脆的碰撞声。
台词用冒号引导、不加引号（官方纪律：引号会被渲染成画面文字），说话人用「系深色围裙的主厨」指认，语气提示「微笑着说」跟上，厨房音效最后铺一层。建议 16:9。
2.3 配乐与情绪
配乐的写法是「流派 + 情绪 + 乐器」三件套：「欢快的爵士乐」是模糊的，「慵懒的爵士三重奏，鼓刷在军鼓上打圈」才是精确的。配乐要贴合画面节奏——快剪蒙太奇要驱动感的节拍，长镜头要氛围垫底。在对白与音效都缺席的纯画面段落，配乐是唯一的声部，值得多写一句。
黄昏的滨海城市
提示词
黄昏的滨海城市：渡轮划开金色的水面靠岸，写字楼的玻璃幕墙接住夕阳，人行天桥上的行人拖着长影，街角的唱片店亮起暖灯。镜头在这四个画面之间流转，情绪温暖而怀旧。配乐：慵懒的爵士三重奏——拨奏的低音提琴打底，鼓刷在军鼓上轻轻打圈，萨克斯偶尔飘进来一句。松弛、怅惘。
配乐写全「爵士三重奏 + 慵懒怀旧 + 低音提琴/鼓刷/萨克斯」三件套，贴合黄昏蒙太奇的节奏。建议 1080p。
03 图生视频
一张首帧图片加一段运动描述——Veo 3.1 让画面动起来。官方最佳实践两条：提示词只写运动（图片已经提供了主体、场景与风格，重复描述只会干扰模型）；指代图中人物用泛称（「那个女人」「他」「她」）。一个实用规则：上传前把图片裁到目标比例（16:9 或 9:16），构图主动权在自己手里。声音照常写——静帧本身不带任何音频信息，音效与配乐全部来自你的提示词。
3.1 让画面动起来
图生视频的提示词只写三件事：什么动、怎么动、镜头动不动——官方称之为镜头运动、主体动画、环境动画三类，可单独也可组合。别硬加图里没有的东西，但图里已有的都可以「唤醒」：飘动的衣角、流动的云、闪烁的火焰，小动作命中最稳。补一句「延续原图的质感」，画风就不会跑偏。
手绘素描活了
提示词
让这张手绘素描动起来：站在桥上的女孩，头发和围巾在风中轻轻扬起，她抬手把被风吹乱的一缕头发别到耳后，桥下河流的墨线泛起流动的光，铅笔画的云朵在天上缓缓漂移。镜头固定，动作细腻自然，全程延续原图的铅笔素描质感与纸纹。音频：轻柔的风声，隐约的纸张窸窣声，一段安静的钢琴独奏。
需上传 1 张首帧图片；只写运动不重述场景（官方纪律），「延续原图的铅笔素描质感」稳住画风。
3.2 产品展示
电商产品的展示视频，提示词覆盖两件事：产品怎么动（旋转、悬浮、俯仰），镜头怎么配合（环绕、推近）。补一句「产品外观与图片保持一致」锁定细节，再指定布光与背景。音频是产品片最容易漏的细节：盒盖开启的咔哒声、一段高级感的配乐——小细节推动转化率。
悬浮的跑鞋
提示词
图片中的跑鞋在深灰色背景前缓缓升起，悬浮着匀速旋转一整圈，鞋面的编织纹理与反光条在灯光下流转。镜头缓慢推近至中底特写，展示缓震结构。产品外观与图片保持一致，影棚级布光，画面干净高级。音频：鞋子升起时一声轻柔的呼啸，配一段极简科技感、节拍稳定的电子配乐。
需上传 1 张产品图；「旋转一整圈 + 推近特写」是产品展示的经典组合，科技感配乐与之呼应。
04 参考生视频与 Fast
Veo 3.1 Fast 是更便宜的走量档：画面规格与标准版一致（720p/1080p/4K、8 秒、音频恒开），价格更友好——适合草稿与批量生产。它还独占一项能力：参考生视频（r2v）。上传 1-3 张参考图锁定角色外观，让角色去任何新场景演戏。硬规则：参考生视频的输出锁定 16:9 横屏；要竖屏请回文生视频或图生视频。
4.1 角色一致性两种打法
打法一（参考图）：提示词是三段式——用「图片 N」把素材请进场，写新场景里发生什么，一句「保持一致」收口。上传顺序就是编号顺序，最多 3 张，同一角色的多角度图效果最好。打法二（纯文本）：官方 best practices 的标准做法——给角色起名字，写一段详尽且逐字不变的角色与嗓音描述（年龄、发型、五官、服装、口音），在每个新场景的提示词里整段复用，再配合同一个 seed，角色与声线跨场景一致。下面的 clara-archive 示例就是官方文档的原文示范。
[参考图：图片 1…图片 3] + [场景描述] + 保持 [主体] 一致
参考图
最多 3 张，用「图片 N」在提示词中引用，上传顺序即编号顺序。
场景描述
新场景里发生什么：动作、环境、运镜、音频。
一致性
收尾一句「与参考图保持一致」强化锁定。
机器人吉祥物广场起舞
提示词
图片 1 和图片 2 中白色圆头的小机器人吉祥物，出现在夜晚的城市广场，巨型地屏流动着彩色光带。它随着音乐跳起街舞：左右滑步、机械定格，最后一个单臂高举的收尾 pose。镜头在中景距离环绕它半周。吉祥物外观与参考图保持一致，3D 动画质感。音频：动感的放克音乐，机器人关节轻微的机械声，收尾定格时一声清脆的音效。
需上传 1-3 张参考图；此示例自动切换到 Veo 3.1 Fast，输出 16:9 横屏。同一角色的多角度图一致性最好。
档案馆里的 Clara（官方一致性示例）
提示词
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 官方最佳实践文档的原文示例：角色外貌与嗓音描述写成一个逐字不变的固定段落，在每个新场景整段复用（只改动作与场景部分），配同一个 seed——纯文本跨场景一致性的标准做法。台词用冒号引导、不加引号。
4.2 什么时候用 Fast
一句话：草稿用 Fast，成片用标准版。提示词调试、分镜动态样片、批量社媒内容，都能放大 Fast 的成本优势；每个细节都重要的最终主镜头，切回标准版拿最高保真。而只要用参考生视频，你就已经在 Fast 上——唯一一个不用选的场景。
让油画动起来
提示词
图片 1 是一幅油画：黄昏的海滨小镇，渔船搁浅在沙滩上，远处教堂钟楼亮着灯。让画中世界动起来：炊烟从烟囱袅袅升起，海面以厚涂的笔触波光粼粼，一位渔夫扛着船桨走过沙滩，钟楼的灯光轻轻闪烁。镜头极缓慢地平移，全程保持厚重的笔触与颜料质感，画面风格与参考图保持一致。音频：远处的海浪声，教堂晚钟敲了三下，海鸥的叫声，安静而辽阔。
需上传 1-3 张参考图；此示例自动切换到 Veo 3.1 Fast。风格参考用「保持笔触质感」+「风格保持一致」双锁。