Veo: как писать промпты, которые модель понимает

Что умеет Veo

Veo генерирует видео в формате 16:9 длительностью 5-8 секунд (точное значение зависит от версии модели). Базовое разрешение — 720p (1280×720), апскейл до 4K делается через сторонние инструменты постобработки. Рекомендуемый лимит промпта около 1500 символов: больше — модель начинает терять детали из конца описания.

Доступно на Google AI Studio, Vertex AI и Flow. Поддерживает два основных режима: Text-to-Video (генерация только из текста) и Image-to-Video (анимация стартового изображения, доступность зависит от версии и платформы). Аудио появляется только с версии 3 — Veo 1 и Veo 2 выдают немое видео. Вертикальный формат нативно не поддерживается в базовой линейке Veo, только через постобработку или специальные варианты (Veo 3.1).

• Клипы 5-8 секунд, формат 16:9, базовое разрешение 720p
• Лимит промпта ~1500 символов
• Text-to-Video и Image-to-Video режимы
• Аудио — только начиная с Veo 3
• Платформы: Google AI Studio, Vertex AI, Flow

Структура промпта

Оптимальный порядок: [Subject] + [Context/Scene] + [Action] + [Camera Movement] + [Style/Mood] + [Lighting/Ambiance] + [Audio (если поддерживается)].

Не обязательно использовать все элементы — состав зависит от типа видео. Чем конкретнее описание, тем лучше результат. Пиши так, как если бы ты описывал сцену режиссёру, который впервые видит сценарий.

Ключевой контраст: • Слабо: «A man answers a phone». • Сильно: «A shaky dolly zoom goes from a far away blur to a close-up cinematic shot of a desperate man in a weathered green trench coat as he picks up a rotary phone mounted on a gritty brick wall, bathed in the eerie glow of a green neon sign».

Конкретные детали внешности, среды, освещения и движения камеры — главный рычаг качества.

Камера и движение

Veo хорошо понимает камерные термины — это основной язык модели. Указывай в промпте хотя бы один из параметров: крупность плана, движение, угол или фокус. Крупность — wide shot, medium shot, close-up, extreme close-up, establishing shot. Движение — dolly shot, zoom in, zoom out, pan left/right, tracking shot, orbit. Угол — eye level, high angle, low angle, worm's eye, top-down, aerial shot. Фокус — shallow depth of field, rack focus, deep focus.

Спецприёмы — dolly zoom, one-take, handheld, steadicam, crane shot. Конкретные приёмы работают лучше абстрактного «cinematic camera»: «slow dolly-in from eye level» или «shaky handheld tracking shot» дают модели чёткое направление и стабильный результат.

Стиль, освещение, настроение

Стилистические модификаторы через префикс «In the style of [style]:» — LEGO, Claymation, Pixar animation, Anime, Graphic novel, 8-bit retro, Stop-motion, Origami, Blueprint, Marble. Это даёт радикальное переключение визуала при сохранении остальных параметров.

Качество — Cinematic, film grain, HDR, 4K, professional. Жанр — Hollywood blockbuster, indie film, documentary, commercial, music video, vlog. Цвет — warm tones, cool tones, high contrast, desaturated, neon, golden hour. Освещение — natural light, rim light, backlight, volumetric, neon glow, silhouette, blue light.

Для selfie-стиля: начинай с «A selfie video of...», укажи видимую руку («holds the camera at arm's length, arm clearly visible in frame») и естественные движения глаз. Это убирает синтетическое ощущение и даёт характерный POV.

Типичные ошибки

1. 1. Слишком короткий промпт без деталей

   «A beautiful video» или «a cool scene» — модель додумает всё сама и результат будет непредсказуем. Минимум: конкретный субъект с деталями внешности, физическое действие с глаголом, среда, и хотя бы одно указание на камеру. Без этих четырёх элементов Veo сваливается в «обобщённый красивый кадр» без направления.

2. 2. Абстрактные формулировки вместо конкретики

   «Cinematic look», «beautiful lighting», «high quality» ничего не говорят модели — это субъективные слова. Заменяй конкретикой: «shallow depth of field», «golden hour sunlight», «35mm film grain», «soft window light with warm tungsten fill». Конкретные параметры работают, абстрактные оценочные прилагательные — нет.

3. 3. Конфликтующие инструкции по камере

   «Zoom in and zoom out», «static shot with tracking», «wide angle close-up» — модель не может выполнить противоречие и либо игнорирует часть инструкции, либо выдаёт хаотичное движение. Выбирай одно движение камеры на клип. Сложную раскадровку собирай из нескольких клипов в посте.

4. 4. Отсутствие описания действия

   Статичная сцена без динамики — Veo сгенерирует «застывшее» видео с минимальным движением, выглядит как gif. Описывай физическое действие: «picks up the phone, turns around, walks», «leaves blow across the empty street», «steam rises slowly from the coffee cup». Без действия видео теряет смысл.

5. 5. Попытка вертикального видео в базовом Veo

   Veo 1/2 нативно не поддерживает вертикальный формат — выход всегда 16:9. Если пытаться через промпт («vertical video», «9:16»), модель проигнорирует и выдаст горизонтальный кадр. Для вертикали либо используй Veo 3.1 (там 9:16 поддерживается нативно), либо обрезай в постобработке.

Примеры до/после

a man answers a phone

A shaky dolly zoom goes from a far away blur to a close-up cinematic shot of a desperate man in a weathered green trench coat as he picks up a rotary phone mounted on a gritty brick wall, bathed in the eerie glow of a green neon sign. Camera: handheld with subtle micro-shake, dolly zoom effect. Lighting: green neon key from above, deep shadows in the alley. Mood: tense, noir, claustrophobic.

a selfie video of someone in the city

A selfie video of a young woman with curly red hair and a black leather jacket walking through Tokyo's Shibuya crossing at night. She holds the camera at arm's length, arm clearly visible in frame, occasionally looking into the lens and smiling. Background: neon signs, crowd of pedestrians, light rain. Lighting: cool neon glow with warm spill from storefronts. Style: slightly grainy, film-like, vlog aesthetic.

a product video of headphones

Commercial product shot. Smooth 360-degree orbit around matte-black wireless headphones on a white marble pedestal against a seamless white background. Camera: slow continuous orbit at eye level, shallow depth of field, medium close-up. Lighting: large softbox key from above-left, gentle rim light from behind, soft gradient fill from the right. Style: clean commercial photography, premium minimalism. Mood: confident, refined.