Готовые к копированию рецепты промптов для генерации видео из изображения в Veo 3.1 Fast

Почему структура промпта важнее формулировок

Большинство промптов для генерации видео из изображения проваливаются не потому, что выбраны неверные слова, а потому, что слишком много переменных меняется одновременно. Вы меняете одно прилагательное — и манера движения камеры меняется, а вы понятия не имеете, какое именно изменение это вызвало. Фиксированный каркас промпта решает эту проблему: он превращает генерацию в контролируемый эксперимент.

Рассматривайте каждый промпт как четыре независимых блока: субъект, подсказка движения первого кадра, формулировка камеры и аудиоподсказка, плюс короткий блок ограничений. Когда какое-то видео ведёт себя странно, вы меняете один блок и перезапускаете. Если субъект деформируется — трогаете только подсказку движения. Если камера кажется плоской — трогаете только строку камеры. В этом разница между отладкой и игрой в рулетку.

Эта структура ещё и делает ваши промпты переносимыми. Рецепт, настроенный для одного первого кадра, без изменений переносится на следующий материал, потому что позиции полей не меняются — меняются только их значения.

Анатомия рецепта: поля в каждом промпте

Каждый рецепт в этом руководстве использует одни и те же пять полей в одном и том же порядке. Поняв, что контролирует каждое поле, вы сможете сами собирать варианты, а не гадать.

Субъект

Краткое, конкретное описание того, что уже видно в первом кадре. Это якорь, а не повторное воображение: назовите объект, его материал и его самый устойчивый визуальный признак. Уложитесь в одно предложение. Если на изображении уже есть красная керамическая кружка на столе, так и скажите — не описывайте кухню.

Подсказка движения первого кадра

Это поле чаще всего понимают неправильно. Оно объявляет, что должно двигаться начиная с нулевого кадра: какой элемент, в каком направлении, в каком темпе. Пишите его как одно действие, привязанное к видимой части изображения, а не как общее описание сцены.

Формулировка камеры

Отдельной строкой опишите поведение виртуальной камеры. Наезд, тревеллинг, облёт, ручной дрейф. Язык камеры влияет на ощущаемую энергию сильнее большинства прилагательных движения, поэтому выделите для него отдельное поле, а не прячьте в предложение о субъекте.

Аудиоподсказка

Опишите звук, который должен сопровождать видимое действие. Привяжите его к событию, которое вы можете увидеть — хлопок двери, шаги, ветер по ткани — а не к эмоциональным словам вроде «кинематографично» или «эпично».

Негативные ограничения

Кратко перечислите, чего следует избегать: без текстовых наложений, без лишних конечностей, без смены сцены. Держите список коротким; раздутый негативный список конкурирует с вашими позитивными инструкциями.

Готовые к копированию рецепты движения первого кадра

Эти шаблоны предполагают, что вы подаёте статичное изображение и хотите, чтобы анимация вырастала из этого изображения. Вставляйте их как строку подсказки движения и заменяйте часть в квадратных скобках своим субъектом.

Субъект входит в кадр

[субъект] входит в кадр с левого края, медленно движется внутрь и останавливается ближе к центру. Используйте, когда в первом кадре есть пустое место, которое субъект может занять. Движение направленное, его легко проверить с первого просмотра.

Субъект выходит из кадра

[субъект] дрейфует к правому краю и покидает кадр со стабильной скоростью шага. Хорошо подходит для переходов и завершающих тактов кадра. Выход из кадра управляется легче, чем вход, потому что пункт назначения однозначен.

Субъект деформируется или меняет состояние

[субъект] медленно меняет форму — [конкретное изменение, например ткань идёт волнами и затем успокаивается] — оставаясь на месте. Укажите точную часть, которая меняется. Расплывчатые запросы на деформацию порождают артефакты плавления; указание части удерживает модель в фокусе.

Субъект реагирует

[субъект] слегка поворачивает голову к источнику света и затем замирает. Подсказки реакции хорошо работают, когда первый кадр уже намекает на внимание — лицо, животное, персонаж. Делайте реакцию маленькой и единственной.

Для всех четырёх шаблонов удерживайте подсказку в одном предложении и с одним основным действием. Наложение двух действий в одной строке — самая частая причина того, что видео выглядит нестабильным.

Готовые к копированию рецепты формулировок камеры

Формулировка камеры заслуживает отдельной строки, потому что она формирует ощущение видео независимо от поведения субъекта. Эти шаблоны хорошо сочетаются со статичным первым кадром.

Медленный наезд

камера: медленный наезд на [субъект], без поперечного движения. Самый безопасный вариант по умолчанию. Он добавляет намерение, не вводя новой геометрии, поэтому почти не конфликтует с подсказкой движения.

Тревеллинг назад

камера: тревеллинг назад от [субъект], раскрывающий окружающее пространство. Используйте, когда первый кадр тесный и вы хотите, чтобы появилось окружение. Сочетайте с субъектом, остающимся неподвижным.

Дуговой облёт

камера: мягкий дуговой облёт вокруг [субъект], примерно 30 градусов, с постоянной скоростью. Облёт даёт трёхмерное ощущение, но может раскрыть недостающие детали за субъектом. Используйте, только если первый кадр намекает на полное окружение.

Ручной дрейф

камера: ручной дрейф с лёгким вертикальным покачиванием, как будто камера удерживается на уровне груди. Добавляет документальную энергию. Покачивание должно оставаться тонким — крупное ручное движение легко размывает мелкие детали.

Практическое правило: одна инструкция камеры на промпт. Если вы хотите в одном видео и наезд, и облёт — сгенерируйте два кадра и склейте их. Конфликтующие термины камеры — самый быстрый путь к дрейфующей, размытой картинке.

Готовые к копированию рецепты нативной аудио

Аудиоподсказки работают лучше всего, когда описывают звук, вызванный видимым действием. Модель может синхронизироваться только с тем, что видит, поэтому привязывайте каждый аудиозапрос к какому-либо событию в кадре.

Эмбиент, привязанный к действию

аудио: мягкий комнатный фон с звуком [видимое действие, например перелистывание страницы], совпадающим с движением на экране. Это самый надёжный шаблон. Действие даёт аудио временной якорь.

Удар в такт

аудио: мягкий удар, когда [субъект] приземляется на место, затем тишина. Используйте, когда подсказка движения имеет чёткую конечную точку. Одно событие, один звук.

Эмбиентная подложка

аудио: лёгкие звуки открытого воздуха — далёкое пение птиц, слабый ветер — непрерывно и тихо в миксе. Подходит для установочных кадров с медленным движением камеры. Делайте описание подложки достаточно общим, чтобы оно не конфликтовало с изображением.

Аудиозапросы, которые легко упустить

Абстрактные эмоциональные слова — «эпично», «кинематографично», «эмоционально» — не дают модели ничего видимого для синхронизации. Запросы диалога в коротких клипах тоже ненадёжны: без видимого рта и чёткой реплики результат обычно превращается в невнятное бормотание. Если вам нужна речь, планируйте отдельный шаг. Держите каждую аудио-строку в одном предложении и ссылайтесь на то, что камера может увидеть.

Сборка рецептов в конвейер по кадрам

Когда поля стабильны, соедините их в повторяемый пошаговый рабочий процесс.

Собирайте по одному кадру за раз

Одно изображение, одна подсказка движения, одна строка камеры, одна строка аудио, одна строка ограничений. Каждый раз собирайте промпт в этом порядке. Именно эта согласованность делает пакетную работу возможной.

Генерируйте варианты параллельно

Оставляйте субъект и ограничения неизменными и меняйте только строку камеры или движения небольшими пакетами — трёх-пяти прогонов на кадр обычно достаточно, чтобы увидеть закономерность. Поскольку остальные поля заморожены, различия в выводе можно отнести к тому полю, которое вы изменили.

Фиксируйте победившие рецепты

Когда какая-то комбинация сработала, сохраните полный текст промпта как именованный рецепт. Через несколько проектов вы накопите личную библиотеку проверенных строк движения, камеры и аудио, которые хорошо работают вместе.

Итерируйте по самому слабому полю

После каждого раунда спрашивайте, какое поле дало худший артефакт, и меняйте только его. Два-три раунда доработки на материал — реалистичный бюджет; ожидание финального видео с первой генерации — нет.

Тот же конвейер применим к эндпоинту генерации видео из изображения veo-3.1-fast, поэтому проверенный один раз промпт остаётся рабочим при масштабировании производства.

Частые模式 отказов и способы отладки

Большинство плохих видео сводится к нескольким проблемам промпта. У каждой есть исправление, требующее изменения в одном месте.

Перегруженный промпт

Симптом: субъект плавится или сцена сама перестраивается. Причина: слишком много конкурирующих инструкций в одной строке. Исправление: сократите промпт до пяти полей, удалите каждое прилагательное, которое ничего не делает. Если одно предложение описывает два действия, разделите его.

Конфликт терминов камеры

Симптом: неопределённый дрейф, дрожание или камера так и не выбирает направление. Причина: две или более инструкций камеры в промпте. Исправление: оставьте только одну строку камеры. Второе движение оставьте для отдельного кадра.

Аудио без якоря

Симптом: звук кажется оторванным или общим. Причина: эмоциональные слова вместо звука, связанного с действием. Исправление: перепишите аудио-строку вокруг одного видимого события — приземления, поворота, шага.

Подсказка движения описывает всю сцену

Симптом: всё двигается немного, но ничто не двигается убедительно. Причина: подсказка называет сцену, а не отдельный элемент. Исправление: выберите один субъект и одно направление и пропишите их явно.

Раздутые негативные слова

Симптом: кажется, что модель игнорирует половину ваших инструкций. Причина: длинный негативный список размывает позитивный промпт. Исправление: сократите негативные слова до двух-трёх пунктов, нацеленных только на артефакты, которые вы реально видели.

Отлаживайте по одному полю за раз и записывайте, что изменили. Рецепты здесь — только отправная точка: рассчитывайте потратить два-три раунда, чтобы настроить их под ваш конкретный первый кадр, прежде чем они покажутся надёжными.