从文字到画面：Veo 3.1 Lite 场景分镜转化示例

本条目用于展示 veo-3.1-lite/text-to-video 的「文字到画面」转化路径：用一段结构化的英文场景描述，直接生成带原生音频的短片片段。提示词按「场景地点—主体与动作—镜头语言—光线与氛围」四段组织，便于开发者对照观察模型在单一文本输入下的构图组织、运镜倾向与音画同步表现。 由于该模型族支持 16:9 与 9:16、720p 与 1080p，以及 4s/6s/8s 可选时长，本示例选择 16:9、720p、8s 的横屏基础档位，作为分镜概念验证的通用起点；生成音频保持开启，以体现 Veo 3 系列输出含音轨的特性。base 中另提供 negative_prompt、seed 与 safety_tolerance 等非媒体字段，便于复现与对比实验。 适用场景：营销与品牌短片的分镜前置验证、社交媒体横屏内容的批量原型生产、以及在成本敏感的产品中集成文生视频能力时的效果基线测试。该模型族定位为低成本、高吞吐选项，适合快速迭代多个版本后再筛定方案；其分辨率上限 1080p、时长上限 8s，不适合长视频或更高分辨率需求。