四秒、六秒或八秒
每个片段可选择生成长度。
- Veo 3.1
请在桌面端浏览器打开本页开始创作。
通过串联来构建长度，而不是直接要求长度
Veo 3.1 是 Google DeepMind 的视频模型，它在时长处理上采用了不同于该领域大多数模型的方式。
它不是拉长单次生成，而是生成四秒、六秒或八秒的片段，然后再对其进行延展——一个片段的结尾帧会成为下一个片段的开头，因此序列会逐镜头增长，并在每个衔接处延续连贯性。这种结构让你在每个片段之间都有一个决策点，而不是一次漫长的押注，这是一种构建视频作品的显著不同方式。
当成片长度超过单个镜头时，使用 Veo 3.1。可用于组装叙事序列、宣传影片、演示导览，以及任何后半部分取决于前半部分生成效果的作品。
什么是 Veo 3.1？
Veo 3.1 是由 Google DeepMind 开发的 AI 视频生成模型，在 Virse 中提供，同时还有一个成本更低的变体，名为 Veo 3.1 Fast。两者都接受首帧、末帧，或同时接受两者，并配合一份文字简报。
该模型围绕三大优势构建：
- 场景扩展，将短片段生成串联成更长的序列
- 同步的 48kHz 立体声音频，涵盖对话、音效和环境声
- 原生 4K 输出，分辨率为 3840×2160，同时支持 720p 和 1080p
生成时长为四秒、六秒或八秒，支持 16:9 和竖向 9:16。两个版本的差异在于成本和渲染质量，而不是接受的输入内容，因此为其中一个版本撰写的简报可在另一个版本上原样运行。
Veo 3.1 规格一览
场景延展
一个片段的结尾帧会成为下一个片段的开头。
原生 4K
真正的 3840×2160 输出，并支持其下的 1080p 和 720p。
48kHz 立体声音频
对白、音效和环境噪声与画面一同生成。
16:9 和 9:16
根据同一份文字简报生成横版和竖版内容。
两种速度档位
Veo 3.1 和 Veo 3.1 Fast，采用相同输入。
Veo 3.1 AI 视频生成器的主要功能
以分段组装长度
场景延展将时长变成一系列决策，而不是一次性承诺。如果第三段出错，你只需重新生成第三段——而不是整部作品。
跨衔接延续连贯性
由于扩展是从上一段片段的结尾帧开始的，主体、光线和场景会在剪辑点前后延续，而不是根据描述重新推导。
广播级音频
在 48kHz 立体声下，声音达到能够经受实际剪辑的规格，而不是在任何内容播出前都需要替换。
可选片段长度
四秒、六秒或八秒都是实实在在的选择，这一点很重要，因为节奏更多由时长决定，而不是由简报中的其他内容决定。
原生 4K 输出
直接渲染 3840×2160，适用于需要投影、裁切放大或以完整尺寸交付的作品。
采用相同简报的快速档位
Veo 3.1 Fast 接受相同的输入，因此探索性生成和交付生成是在不同入口中使用同一个提示词。
在 Virse 中使用 Veo 3.1 构建
只有当你能看清链条时，串联序列才便于管理。第四段建立在第三段之上，如果第三段被替换，下游的所有内容都需要重新检查。 Virse 会将整个运行过程按顺序铺展在一个画布上。每个扩展片段都位于它所延展的片段之后，因此序列结构始终可见，而不是仅存在于文件命名约定中。
按顺序查看序列
每个片段都紧挨着它所延展的片段，因此衔接断裂一眼就能看出来。
重新生成某个片段而不丢失其余部分
替换链条中的一个环节，并从那里向后重新构建，而不是把整个作品从头再来。
访问 30+ 个创意模型
在 Veo 3.1 与 30+ 个其他图像和视频模型之间切换，无需离开画布，也无需重写简报。
先生成开场帧
在同一工作区中用图像模型生成定场帧，并从它开始这条链。
你可以用 Veo 3.1 创作什么？
叙事序列
逐镜头组装的多片段作品，在衔接处保持连续性。
营销活动影片
打造长度超出单次生成能力范围的品牌视频。
产品演示
扩展式演示，让产品在各个片段之间保持一致。
场景交代与氛围镜头
环境氛围与画面同样重要的外景素材。
竖版社交剪辑
使用与横屏版本相同的简报，为信息流输出 9:16 版本。
从分镜进行预演
将故事板转化为动态参考，并扩展成完整序列。
如何在 Virse 中使用 Veo 3.1
选择档位和长度
适合快速探索，是交付的标准入口。根据你想要的节奏选择四秒、六秒或八秒。
设置开场帧
上传序列开始时的构图；如果镜头必须落在某个特定画面上，也上传收尾构图。
编写动作与声音
说明运动、摄像机的行为以及混音——并具体说明该片段如何结束。
延展到下一个片段
使用收尾帧生成后续镜头，并在继续之前检查每个衔接。
如何编写 Veo 3.1 提示词
一个有用的 Veo 3.1 提示词通常包含五个要素：
- 主体与场景
- 运动内容
- 摄像机
- 声音
- 结尾
与其这样写
海浪拍打岩石的戏剧性镜头，电影感，配以史诗般的音乐。
不如这样写
阴天光线下，灰色海浪拍打着黑色火山岩的广角镜头。每一道涌浪都以不疾不徐的节奏升起又崩落，浪花被风吹向右侧。摄像机固定在三脚架上，位置略高于水线。音频只有水声和风声，没有音乐。最后以一波海浪退去、岩石留下湿亮光泽收尾。
Veo 3.1 提示词示例
序列的开场片段
以图像 1 中的构图开场：黄昏时的乡村加油站，单个顶棚灯亮着，没有车辆，也没有人。 昆虫在顶棚灯的光束中飞动。其他一切都静止不动。 摄像机以恒定速度缓慢向右跟拍，始终让顶棚保持在画面中。 蝉鸣、灯光的电流嗡嗡声、一辆远处车辆经过但不出现在画面中。无音乐。结束时顶棚位于左侧边缘，开阔道路填满右侧。
带声音设计的产品揭示
以一副头戴式耳机开场，耳机闭合放置在深色胡桃木表面上，由上方偏后的一处单一光源照亮。 耳罩在前两秒内缓慢而均匀地旋转打开，同时摄像机向前短距离推进并停下。 低沉的房间环境声，耳罩到达打开位置时有一声轻柔的机械咔嗒声。无音乐。 结束时耳机完全打开，填满画面下半部分。
简短对白节拍
一名身穿帆布夹克的男子站在五金店的过道里，手里拿着一罐油漆，正在阅读标签。 他抬头看向镜头外的某个人，说：“这罐是哑光的，对吧？” 镜头从过道尽头以中景静态拍摄，没有移动。 荧光灯的嗡嗡声、远处货架的声响，他的说话声保持在交谈音量，没有音乐。最后定格在他低头重新看向油漆罐。
Veo 3.1 与 Veo 3.1 Fast
| 对比维度 | Veo 3.1 Fast | Veo 3.1 |
|---|---|---|
| 定位用于 | 探索与节奏把控 | 交付 |
| 输入 | 与标准版相同 | 与 Fast 相同 |
| 片段长度 | 四秒、六秒或八秒 | 四秒、六秒或八秒 |
| 场景延展 | 是 | 是 |
| 音频 | 可选，48kHz 立体声 | 可选，48kHz 立体声 |
| 输出范围 | 720p 至 4K | 720p 至 4K |
获得更佳 Veo 3.1 结果的技巧
仔细撰写结尾
结尾状态会成为下一段的开头。一个松散的结尾会贯穿你之后构建的一切。
在延展前检查每处衔接
在生成下一段之前先检查片段之间的过渡。错误会沿着链条不断叠加。
命名混音，而不是情绪
“不要音乐，只要房间环境声和脚步声”是可以直接指导的。“史诗配乐”是一种感觉，模型只能猜。
每个片段一个动作
四到八秒只适合承载一件正在发生的事。把事件堆在一起，正是分段要避免的。
Veo 3.1 常见问题
什么是 Veo 3.1？
Veo 3.1 是 Google DeepMind 的视频生成模型，可生成四秒、六秒或八秒的片段，并带有同步音频，还可扩展为更长的序列。
Veo 3.1 片段可以有多长？
每次生成的时长为四秒、六秒或八秒。场景延展会使用一个片段的结尾帧作为下一个片段的开头，将它们串联起来。
Veo 3.1 免费吗，费用是多少？
Veo 3.1 可在 Virse 的付费套餐中使用。生成按秒从每月积分额度中计费，更高级套餐可在合理使用范围内不限量使用。当前套餐费率列于 Virse 定价页面。
Veo 3.1 可以生成音频吗？
可以 — 48kHz 立体声，涵盖对白、音效和环境声，并根据动作同步，而不是叠加在已完成的片段上。
Veo 3.1 可以生成 4K 视频吗？
可以，原生支持 3840×2160，同时也提供 1080p 和 720p。
Veo 3.1 和 Veo 3.1 Fast 有什么区别？
成本和渲染质量。两者接受相同的输入、相同的片段时长和相同的提示词，因此同一份简报可在二者之间无改动地切换。
Veo 3.1 支持哪些宽高比？
基于同一份文字简报，生成 16:9 横向和 9:16 竖向视频。
如何在 Virse 中使用 Veo 3.1？
选择 Veo 3.1 或 Veo 3.1 Fast，上传首帧、尾帧或两者都上传，撰写涵盖运动和声音的简报，然后生成。