Veo 3.1 to jeden z najbardziej sterowalnych modeli wideo AI dostępnych obecnie, a mimo to większość ludzi promptuje go jak wyszukiwarkę — kilka słów kluczowych, mglisty klimat, a potem rozczarowanie, gdy klip wraca generyczny. Model nagradza inne podejście: opisz swoje ujęcie tak, jak reżyser briefuje operatora, a Veo 3.1 zwykle dostarczy coś bliskiego temu, co sobie wyobraziłeś.
Ten przewodnik to praktyczna wersja tej idei: struktura promptu, która konsekwentnie działa dla Veo 3.1, wskazówki dotyczące kamery, światła i audio, prompty negatywne, seedy, obrazy referencyjne pierwszej i ostatniej klatki, plus rozwiązywanie problemów z porażkami, na które trafia każdy — morfujące obiekty, ignorowane instrukcje i zły lip sync. Każdą technikę możesz przetestować w naszym generatorze Veo 3.1, który działa na kredytach za generację, z darmowymi kredytami dla nowych użytkowników.
Jak Veo 3.1 czyta prompt
Veo 3.1 nie parsuje promptu jak checklisty. Buduje jedną spójną scenę z całego opisu, a sprzeczności rozwiązuje po cichu — zwykle nie po twojej myśli. Płyną z tego dwa praktyczne wnioski.
Najważniejsze na początek. Veo 3.1 mocniej waży początek promptu, więc umieść obiekt i główną akcję na pierwszym miejscu, a stylistyczne ozdobniki zostaw na koniec.
Jedna scena, jeden prompt. Pojedynczy klip trwa 4, 6 lub 8 sekund. Upychanie trzech momentów fabularnych w osiem sekund daje pospieszny, rozmemłany ruch — pisz jeden wyraźny moment na generację, a potem łącz klipy w edytorze.
Sześcioczęściowa struktura promptu
Najbardziej niezawodna formuła promptu dla Veo 3.1 ma sześć komponentów, mniej więcej w tej kolejności:
- Obiekt — kto lub co jest tematem ujęcia, z 2–3 konkretnymi detalami wizualnymi („kobieta po sześćdziesiątce ze srebrnymi włosami, w czerwonym wełnianym płaszczu").
- Akcja — jedna wyraźna rzecz, którą obiekt robi („powoli nalewa kawę do wyszczerbionego ceramicznego kubka").
- Sceneria — gdzie i kiedy („w mrocznym barze o świcie, deszcz spływający po szybie za nią").
- Kamera — wielkość planu i ruch („średni półzbliżenie, powolny dolly-in").
- Światło i styl — nastrój, kolor, gramatyka filmowa („ciepłe wolframowe światło kluczowe, chłodne niebieskie światło z okna, płytka głębia ostrości, kręcone na taśmie 35mm").
- Audio — co słyszymy („cichy deszcz, brzęk ceramiki, niski szum lodówki; bez muzyki").
Gdy generacja Veo 3.1 idzie nie tak, brakującym elementem jest prawie zawsze jeden z tych sześciu.
Kinowe słownictwo, które Veo 3.1 rozumie
Veo 3.1 mocno reaguje na prawdziwy język filmowy. Mgliste słowa jak „kinowy" czy „epicki" robią niewiele; konkretna terminologia robi dużo.
| Element promptu | Co kontroluje | Sformułowania, które działają |
|---|---|---|
| Wielkość planu | Kadrowanie i intymność | plan bardzo szeroki, plan średni, zbliżenie, ekstremalne zbliżenie |
| Ruch kamery | Ruch kadru | powolny dolly-in, tracking shot z ręki, ujęcie z krana unoszące się w górę, statyczne zablokowane ujęcie, orbita wokół obiektu |
| Obiektyw i głębia | Charakter optyczny | płytka głębia ostrości, portretowy obiektyw 85mm, szerokokątny 24mm, anamorficzna flara obiektywu |
| Światło | Nastrój i realizm | podświetlenie w złotej godzinie, miękkie światło zachmurzonego nieba, twarde pojedyncze światło kluczowe, neonowe światła praktyczne, wolumetryczne światło przez mgłę |
| Styl | Ogólny wygląd | kręcone na taśmie 35mm, styl dokumentalny, ziarno filmowe lat 70., czysty look reklamowy, mroczny film noir |
| Audio | Sound design | uliczny szum tła, kroki po żwirze, przytłumiony tłum, dialog postaci w cudzysłowie, bez muzyki |
Ruch kamery: wybierz jeden i się go trzymaj
Najczęstszy błąd w Veo 3.1 to piętrzenie ruchów kamery — „ujęcie z drona, które robi dolly-in, potem panoramę w lewo i unosi się na kranie". Wybierz jeden ruch na klip; jeśli potrzebujesz dwóch, to są dwa klipy. I nie lekceważ ujęć statycznych: zablokowany kadr z mocnym ruchem obiektu często wygląda drożej niż chybotliwa wirtualna kamera, a Veo 3.1 renderuje go z mniejszą liczbą artefaktów.
Wskazówki audio są częścią promptu
Veo 3.1 generuje natywne audio i traktuje wskazówki dźwiękowe dosłownie — jeśli nie wspomnisz o dźwięku, dostajesz generyczny strzał. Pomagają trzy nawyki:
- Nazwij tło dźwiękowe: „odległy ruch uliczny i wiatr" albo „cisza pokojowa" osadza scenę.
- Dialogi w cudzysłowie i z przypisaniem: mężczyzna mówi: „Powinniśmy byli wyjechać godzinę temu." Kwestie poniżej dziesięciu słów synchronizują się znacznie lepiej niż przemowy.
- Powiedz wprost „bez muzyki", jeśli planujesz sam podłożyć ścieżkę; inaczej Veo 3.1 często dodaje własny soundtrack, którego trudno się czysto pozbyć.
Prompty negatywne, seedy i obrazy referencyjne w Veo 3.1
Poza promptem tekstowym Veo 3.1 daje ci trzy dźwignie kontroli, które oddzielają użytkowników okazjonalnych od ludzi wypuszczających prawdziwą pracę.
Prompty negatywne: powiedz, czego nie chcesz
Prompt negatywny wymienia elementy do stłumienia: nakładki tekstowe, znaki wodne, dodatkowe osoby, kreskówkowy rendering, drgania kamery. Formułuj je jako proste rzeczowniki i przymiotniki, nie zdania — „rozmyte, niska rozdzielczość, napisy, zniekształcone dłonie" bije „proszę, żeby nie było rozmyte". I pamiętaj: prompty negatywne czyszczą powracające artefakty; nie naprawią mglistego promptu głównego.
Seedy: powtarzalność i kontrolowana wariacja
Na veo4.dev Veo 3.1 przyjmuje opcjonalną wartość seed. Ten sam prompt plus ten sam seed daje bardzo zbliżony wynik; zmień tylko seed, a dostaniesz świeże podejście do tych samych instrukcji. Profesjonalny workflow: iteruj nad sformułowaniami z utrwalonym seedem, żeby wiedzieć, czy to twoja zmiana spowodowała różnicę, a na końcu waruj seed, by wygenerować kilka podejść i wybrać najlepsze.
Obrazy referencyjne pierwszej i ostatniej klatki
Veo 3.1 obsługuje image-to-video zarówno z referencją pierwszej, jak i ostatniej klatki — to najsilniejsze narzędzie spójności, jakie ten model ma:
- Tylko pierwsza klatka: klip zaczyna się dokładnie na twoim obrazie i animuje do przodu. Idealne do utrzymania postaci, produktu lub zasobu marki spójnym przez serię klipów.
- Pierwsza plus ostatnia klatka: Veo 3.1 interpoluje ścieżkę ruchu między dwoma obrazami — tak uzyskujesz zamierzone przejścia, jak drzwi zamknięte w pierwszej klatce i otwarte w ostatniej.
Używając obrazów referencyjnych, skróć prompt tekstowy. Obraz niesie już obiekt, scenerię i styl; twój tekst powinien opisywać głównie ruch i audio. Pełny workflow znajdziesz w naszym przewodniku image-to-video.
Proporcje i długość: zdecyduj, zanim napiszesz prompt
Veo 3.1 na naszej platformie wypuszcza 16:9 lub 9:16, w 720p lub 1080p, w klipach 4-, 6- lub 8-sekundowych — a te wybory zmieniają to, jak powinieneś pisać prompt.
16:9 (poziome) pasuje do ujęć ustanawiających, scen dialogowych i poziomego ruchu kamery. 9:16 (pionowe) to właściwy wybór dla Shorts, Reels i TikToka — ale komponuj pod ten format: pojedyncze obiekty, wyśrodkowane kadrowanie i ruch pionowy, a nie szerokie panoramy zgniecione do ekranu telefonu.
Co do długości, krótsze jest zwykle ostrzejsze. 4-sekundowy klip Veo 3.1 trzyma detal i spójność lepiej niż 8-sekundowy i kosztuje mniej kredytów. Rezerwuj 8 sekund dla ujęć, które naprawdę potrzebują czasu — powolne odsłonięcie, pełna kwestia dialogowa, kompletny ruch kamery. Aktualne stawki kredytowe są na naszej stronie cennika.
Pięć kompletnych przykładowych promptów Veo 3.1
Każdy przykład to pełny prompt do wklejenia i adaptacji. Zwróć uwagę, jak trzymają się sześcioczęściowej struktury.
1. Zbliżenie dialogowe (16:9, 8s)
Zbliżenie rybaka po pięćdziesiątce z siwą brodą, w pomarańczowej kurtce przeciwdeszczowej, stojącego na mokrym pomoście o świcie. Patrzy ponad kamerą i mówi: „Sztorm idzie szybciej, niż zapowiadali." Statyczne zablokowane ujęcie, płytka głębia ostrości. Zimne, niebieskie światło zachmurzonego nieba, mgła w tle. Audio: łagodne fale w porcie, mewy w oddali, jego głos czysty i blisko. Bez muzyki.
2. Ujęcie hero produktu (16:9, 4s)
Matowe czarne etui słuchawek bezprzewodowych obracające się powoli na białej marmurowej powierzchni. Wieczko otwiera się płynnie, odsłaniając słuchawki w środku. Sceneria studyjna, jednolite jasnoszare tło. Powolna orbita wokół produktu, obiektyw 85mm, ostry fokus. Miękkie rozproszone światło kluczowe z subtelnym światłem konturowym. Audio: cichy mechaniczny klik otwierającego się wieczka, delikatny szum tła. Bez muzyki, bez tekstu, bez logo.
3. Pionowy klip social (9:16, 6s)
Młoda kobieta z ciemnymi kręconymi włosami, w żółtym płaszczu przeciwdeszczowym, przeskakuje kałużę na deszczowym miejskim chodniku nocą, śmiejąc się. Tracking shot z ręki podążający za nią z boku. Neonowe szyldy sklepów odbijające się w mokrym bruku, płytka głębia ostrości. Żywa, nasycona kolorystyka. Audio: deszcz o chodnik, chlupoczące kroki, odległy ruch uliczny, jej krótki śmiech.
4. Image-to-video z pierwszą klatką (używając referencyjnego zdjęcia twojego produktu lub postaci)
Postać z obrazu referencyjnego odwraca głowę w stronę okna i lekko się uśmiecha, gdy światło słoneczne przesuwa się po jej twarzy. Statyczne średnie zbliżenie, bez ruchu kamery. Ciepłe popołudniowe światło zmieniające się stopniowo. Audio: cicha cisza pokojowa, śpiew ptaków za oknem. Bez muzyki, bez dialogu.
5. Przejście z pierwszą i ostatnią klatką
Płynne przejście od zamkniętego notesu w pierwszej klatce do otwartego notesu w ostatniej. Dłoń wchodzi z prawej strony i otwiera okładkę jednym łagodnym ruchem. Statyczne ujęcie z góry na drewnianym biurku, miękkie światło z okna z lewej. Audio: szelest papieru, miękkie stuknięcie opadającej okładki. Bez muzyki.
Głębszą bibliotekę przetestowanych promptów znajdziesz w naszej kolekcji najlepszych promptów i w szerszym przewodniku po promptach Veo.
Rozwiązywanie typowych porażek Veo 3.1
Nawet dobre prompty czasem zawodzą. Oto jak naprawić najczęstsze porażki.
Morfujące i wypaczające się obiekty
Gdy twarze się topią albo obiekty zmieniają kształt w środku klipu, typowe przyczyny to zbyt dużo jednoczesnego ruchu, zbyt wiele obiektów albo za długi klip. Zejdź do jednego obiektu i jednej akcji, skróć do 4 sekund, zwolnij kamerę i dodaj do promptu negatywnego „zniekształcone, morfujące, wypaczona anatomia, dodatkowe kończyny". Jeśli postać ciągle dryfuje, obraz referencyjny pierwszej klatki kotwiczy tożsamość znacznie lepiej niż tekst.
Ignorowane instrukcje
Jeśli Veo 3.1 uparcie pomija jakiś detal, zwykle jest on zakopany na końcu długiego promptu albo zaprzeczony gdzie indziej. Przenieś ignorowany element wcześniej, wytnij konkurujące przymiotniki i sprawdź konflikty — „noc", ale jednocześnie „jasne, słoneczne kolory". Potem uruchom ponownie z tym samym seedem, żeby potwierdzić, że zmiana faktycznie pomogła.
Zły dialog i lip sync
Lip sync degraduje się przy długich kwestiach, wielu mówiących i twarzach pod kątem. Trzymaj dialog poniżej dziesięciu słów, jeden mówiący na klip, twarz zwrócona do kamery w planie średnim lub bliższym, a dokładną kwestię umieść w cudzysłowie. Jeśli synchronizacja dalej zawodzi, wygeneruj występ niemy i nagraj głos osobno.
Płaski, generyczny wynik
Jeśli klipy wyglądają poprawnie, ale nudno, zamień słowa-kategorie na konkretne detale: nie „samochód na drodze", tylko „zakurzone kombi z lat 80. na popękanej pustynnej autostradzie". Konkretność to najtańszy upgrade jakości, jaki Veo 3.1 oferuje.
FAQ
Co czyni prompt Veo 3.1 dobrym?
Dobry prompt Veo 3.1 czyta się jak opis ujęcia: obiekt z konkretnymi detalami, jedna wyraźna akcja, sceneria, pojedynczy ruch kamery, światło i styl oraz jawna wskazówka audio. Umieść obiekt i akcję na początku i trzymaj się jednej sceny na klip.
Czy Veo 3.1 obsługuje prompty negatywne?
Tak. Używaj pola promptu negatywnego na powracające artefakty — nakładki tekstowe, znaki wodne, rozmycie, zniekształcone dłonie, niechcianą muzykę. Zapisuj je jako rzeczowniki i przymiotniki po przecinku, a listę trzymaj krótką i celowaną.
Jak działają seedy w Veo 3.1?
Seed czyni generację powtarzalną: ten sam prompt z tym samym seedem zwraca bardzo zbliżone wyniki. Utrwal seed podczas szlifowania sformułowań, żeby wyizolować efekt każdej zmiany, a potem waruj go na końcu, by wyprodukować alternatywne podejścia.
Do czego służą obrazy pierwszej i ostatniej klatki?
Obraz pierwszej klatki zaczyna klip dokładnie na twojej referencji, utrzymując postacie i produkty spójne przez serię. Dodanie obrazu ostatniej klatki każe Veo 3.1 animować przejście między dwoma stanami — idealne do odsłonięć i kontrolowanych zmian sceny.
Dlaczego moje wideo z Veo 3.1 morfuje albo się wypacza?
Morfowanie zwykle bierze się z przeciążonych promptów: wielu obiektów, spiętrzonych ruchów kamery albo 8-sekundowej długości tam, gdzie wystarczyłyby 4. Uprość do jednego obiektu i jednej akcji, skróć klip i dodaj terminy anatomiczne do promptu negatywnego.
Czy Veo 3.1 można wypróbować za darmo?
Nowi użytkownicy veo4.dev dostają darmowe kredyty, a generowanie jest rozliczane za klip, a nie przez subskrypcję. Dłuższe klipy i wyższe rozdzielczości kosztują więcej kredytów — szczegóły w cenniku. Google oferuje Veo także przez własne produkty; nasza platforma to niezależna, wielomodelowa alternatywa.
Podsumowanie
Veo 3.1 to nie maszyna losująca — to ekipa kamerowa, która robi dokładnie to, co jej powiesz, i tylko to. Twórcy osiągający spójne, kinowe wyniki pracują tak samo: sześcioczęściowe prompty w prawdziwym języku filmowym, jedna scena na klip, audio reżyserowane jawnie, seedy utrwalone podczas iteracji i obrazy referencyjne wszędzie tam, gdzie liczy się spójność. Przyjmij ten workflow, a twoja skuteczność przejdzie od okazjonalnego szczęścia do czegoś, wokół czego można planować kalendarz treści. Ta struktura się przenosi — to samo podejście poprawia wyniki na Sora 2, Kling i każdym innym modelu na naszej platformie.