同样用 Veo 3.1，有人出电影级画面，有人得到模糊抖动的废片。差距不在模型，在提示词。Veo 3.1 是 Google DeepMind 开发的视频生成模型，目前在场景一致性和写实度方面位居所有视频模型之首，同时原生支持同步音频生成。但如果提示词写得模糊，再强的模型也救不回来。本文把 Google 三份官方指南中的五要素公式、十大要素框架、音频三层设计和高级工作流整合为一个八层统一框架，附带 10 个经过验证的模板和两个元提示词（让 AI 帮你写提示词），从写第一条提示词开始就走正确的路。

要点速览

• Veo 3.1 是目前写实度最强的视频模型，原生支持同步音频生成（对话 + 音效 + 环境音）
• 一个八层统一框架覆盖所有场景：单镜头只写「镜头 1」，时间戳多镜头扩展到 2-4 个，结构完全一致
• 提示词的核心不是写得长，而是写得准——单镜头最佳区间 100 到 150 词，多镜头 200 到 300 词
• 音频设计分三层：对话层用 says: 格式、音效层用 SFX: 前缀、环境音层用 Ambient: 前缀
• 元提示词可以让 Claude 或 GPT 自动帮你生成符合八层框架的 Veo 提示词

Veo 3.1 是什么：2026 年写实度最强的视频生成模型

Veo 是 Google DeepMind 开发的文本转视频模型系列。从 2024 年 5 月首次亮相的初代 Veo，到 2025 年 10 月发布的 Veo 3.1，这条产品线经历了四个大版本迭代，核心突破从文本转视频到同步音频生成再到首尾帧精确控制。

核心能力一览

访问方式有四种：一是通过 Vertex AI，提供企业级完整 API 访问和批量处理能力；二是通过 Google Flow，消费级专业视频编辑器界面，支持角色一致性和多镜头连贯；三是通过 Gemini App，通用级基础生成功能；四是通过 AI Studio，适合开发者快速原型验证。

💡 通俗讲：如果把 AI 视频生成比作拍电影，Veo 3.1 就是一个写实能力最强的 AI 导演——它理解你的文字描述后生成带声音的视频，场景一致性和提示词理解力都是同类最佳。你给它的「剧本」就是提示词。

提示词为什么重要：同样的模型，输出天差地别

用 Veo 生成视频的成本因平台而异——通过 Vertex AI 按量计费，Gemini App 需要 Advanced 订阅，AI Studio 提供开发者免费额度。但同样的投入，有人生成出电影级画面，有人得到的是模糊、抖动、角色变形的废片。差距就在提示词。

提示词长度的最佳区间

Google 官方文档和社区大量实测验证了一个结论：低于 50 词模型会随机脑补，超过 200 词后半段容易被忽略。模型对提示词前部赋予更高权重，写在前面的内容权重最高。

中文世界的 Veo 教程要么只讲五要素公式，要么只讲十大要素框架，学了一个到另一个场景又要重学。本文把 Google Cloud 五要素公式、Gemini 十大要素框架、音频三层设计和三种高级工作流合并为一个八层统一框架。单镜头和时间戳多镜头的区别只在镜头数量——结构完全一致，学一次终身复用。

八层结构总览

💡 通俗讲：把这八层想象成一张拍摄表。第一层是给剧组分工（哪个素材图片演什么角色），第二到七层是每个镜头的拍摄指令（拍谁、做什么、怎么拍、什么光、什么声音），第八层是整部片子的风格定调和技术规格。单镜头就是只有一行的拍摄表，多镜头就是多行。

历史框架对照表

本文的八层框架整合了此前常用的多种方法论。如果你此前学过其中某一种，以下对照表帮助你理解新框架的对应关系：

八层统一框架详解：逐层拆解写法要点

以下逐层拆解每一层的写法要点。Veo 对提示词前部赋予更高权重，越靠前的内容影响越大，所以八层的排列顺序本身就是优先级。

第一层：素材声明

Veo 3.1 提供三种素材输入模式，在第一层声明素材角色：

• 首尾帧模式：上传起始帧和结束帧图像，提示词只描述「从 A 到 B 怎么变」
• 素材转视频模式：上传角色、场景和物体的参考图像，提示词指导动作和对话
• 纯文本模式：无素材时省略此层，直接从镜头标签开始

关键规则是始终明确指定每个素材图像的角色——不要只上传文件，要在提示词中说明它充当什么。

第二层：镜头标签

Veo 支持两种镜头分段方式：

• 镜头标签：用「镜头 1：」「镜头 2：」分段，单镜头只写「镜头 1：」
• 时间戳标签：Veo 独有能力，用 [00:00-00:02] 格式精确分段，单次生成中导演最多 4 个连续镜头

时间戳提示词是 Veo 相对于其他视频模型的差异化优势。每个时间段是一个独立的迷你提示词，镜头类型要有变化以创造视觉节奏。

第三层：景别与主体

先声明景别（远景、全景、中景、特写、超级特写），再用 2 到 3 个具体、稳定的静态特征描述主角。Veo 能识别 13 种镜头角度。

高效写法：「中景，穿炭灰色西装外套的自信男性主持人，下颚线条分明」

低效写法：「一个好看的男人」

永远不要用 beautiful、nice、amazing 这类模糊形容词。用具体名词和材质——「抛光铝制外壳」比「好看的产品」对模型有用十倍。Veo 的写实度是所有模型中最强的，具体描述越精确，它的优势发挥得越充分。

第四层：动作

描述要具体到身体部位，同时补充幅度和速度。「缓缓抬起右手，手指逐根张开」比「她举起手」传达的信息多三倍。

核心原则：一个提示词只描述一个主要动作。多个动作会产生冲突。如果需要角色先做 A 再做 B，拆成两个提示词或使用时间戳提示词。

情绪外化是这一层的核心技巧。不要写抽象情绪词，要通过身体细节表达：

微表情控制是 Veo 的独特优势。消除「模特脸」问题的关键是描述具体的面部微动——眼睛若有所思地微眯，头轻轻一侧仿佛在消化新信息，嘴角开始浮现一丝微笑。Veo 的写实渲染能力让这些微表情真正活起来。

第五层：运镜

每个镜头只写一个运镜动作，这是最重要的规则。多个同时运动会导致 Veo 在不同运动模式间摇摆，生成结果不稳定。格式统一为中文描述加英文术语括注，如「缓慢推进（dolly in）」。

运镜和主体动作必须分开描述。错误写法是「镜头环绕旋转，跳舞的女人」，正确写法是先写「一个女人缓慢舞蹈，双臂抬起」，再单独写「缓慢弧形环绕（arc shot）」。

Veo 专属技巧——百分比运镜控制：「缓慢推进 5%」这种百分比写法可以精确控制运镜幅度，创造「被吸引」的观感而不会运镜幅度过大。

Veo 专属技巧——镜头定位语法：在描述摄像机物理位置后附加 (thats where the camera is)，能显著提升 Veo 对摄像机位置的理解准确度。

第六层：场景与光影

包含三个子维度：环境描述、光源方向和色温、氛围元素（雾、尘埃、雨）。其中光影描述的每词质量提升超过任何其他元素。

低效写法：美丽的电影光线

高效写法：主光从画面左侧照射，暖色 5600K 色温，在人物面部营造轻柔的阴影

Veo 能理解的光影参考包括：伦勃朗光（Rembrandt lighting）、黑色电影深阴影（film noir with deep shadows）、高调布光（high-key lighting）、低调布光（low-key lighting）、体积光（volumetric lighting）、逆光剪影（backlighting silhouette）。

第七层：音频三层

Veo 3 和 3.1 的音频不是「视频生成完再配音」，而是在生成过程中与画面同步产生。这是 Veo 被低估的核心优势。每个镜头独立描述三层音频：

关键规则：

• 对话用冒号格式防字幕——角色 says: "台词"。不用冒号会触发 Veo 生成画面内字幕
• 8 秒对话长度规则：单个 8 秒片段内的对话控制在一到两句话
• 不想要某种声音时要显式排除——「无音乐」「没有观众声」
• 发音修正：用拼音标注期望读音，如将 Fofur 改写为 foh-fur

第八层：全局收尾

这一层在所有镜头之后，只写一次，包含三个部分：

风格锚点：文化参考（银翼杀手 2049 美学、日本动画风格）+ 镜头规格（35mm、85mm）+ 渲染风格（超写实渲染、8K 摄像机拍摄、35 毫米胶片拍摄）。

负面提示词：Veo 的负面提示词使用描述性名词短语，不用否定指令。正确写法是「城市背景，人造建筑，暗沉氛围」，错误写法是「不要建筑」。原因是否定指令中的核心名词反而会强化模型对该元素的关注。

质量后缀：分辨率 + 画面比例 + 时长，如「1080p，16:9，8 秒」。

🔍 深入一步：为什么八层的顺序不能换？因为 Veo 和大多数生成模型一样，对提示词前部赋予更高权重。素材声明放最前面让模型先锁定输入源，景别和主体紧跟其后给模型一个视觉锚点，动作第三提供动态核心。社区测试发现，把运镜放到主体前面会导致主体渲染质量下降。

核心提示词技巧：运镜、光影、动作与负面提示词

掌握了框架之后，这四个技巧决定了提示词的上限。

运镜词汇表

Veo 对运镜术语有很强的理解力，可以直接使用标准术语：

关键规则：运镜和主体动作必须分开描述。错误写法是「镜头环绕旋转，跳舞的女人」，正确写法是「一个女人缓慢舞蹈，双臂抬起。缓慢弧形环绕（arc shot）。」

光影描述：投资回报率最高的元素

添加具体光影描述产生的每词质量提升超过任何其他提示词元素。

低效写法：美丽的电影光线

高效写法：柔和的主光从画面左侧照射，暖色 5600K 色温，光束中可见悬浮的灰尘颗粒

Veo 能理解的光影参考包括四类：自然光（柔和晨光、黄金时段辉光、月光）、人工光（壁炉温暖光芒、荧光灯刺眼白光）、电影光（伦勃朗光、黑色电影深阴影、高调/低调布光）、特效光（体积光、逆光剪影、轮廓光）。在提示词中可以直接用中文，Veo 能理解。

动作描述的三个原则

一是身体部位细化加程度量化——「缓缓抬起手」「快速转头」「微微低头」，具体到手、腿、头、肩。

二是优先清晰、连续的动作——复杂的多步骤动作拆成时间戳多镜头，每段只描述一个主要动作。

三是补充动作间的过渡——「借转身的惯性自然抬手」「从静止自然过渡到抬手」，指定前后动作之间的连续性。

⚠️ 常见踩坑：在提示词中混合使用多种镜头运动（比如同时写推拉和弧形环绕）会导致 Veo 在不同运动模式间摇摆，生成结果不稳定。每个提示词只指定一种主要的镜头运动，不确定需要什么运动时默认写「固定（static）」。

负面提示词

Veo 支持独立的负面提示词输入，但写法有讲究：

• 避免面部变形：模糊面部，扭曲面部比例（blurry face, distorted facial proportions）
• 避免变形拉伸：扭曲的身体比例，不自然的肢体弯曲（distorted body proportions, unnatural limb bending）
• 避免字幕：屏幕文字，字幕叠加（on-screen text, subtitle overlays）
• 避免水印：水印，Logo 叠加（watermark, logo overlay）
• 避免不想要的背景：城市背景，人造建筑（urban background, man-made structures）

用描述性名词短语，禁止用否定指令。「不要建筑」中的「建筑」反而会强化模型对建筑的关注。

高级工作流：首尾帧、素材转视频与时间戳提示词

Veo 3.1 提供了三种高级工作流，把创意控制从「写一段话生成一个视频」提升到「导演一组镜头」。

工作流一：首尾帧动态转场

首尾帧（Frames to Video）是创建精确转场的最佳手段。流程分三步：

第一步，用 Gemini 2.5 Flash Image 生成起始帧。比如歌手面对镜头在黑暗舞台上深情演唱的中景画面。

第二步，用同一模型生成结束帧。比如从歌手背后看向舞台下方的欢呼人群。

第三步，用 Veo 的首尾帧功能连接两帧，提示词只描述转变过程——摄像机如何从 A 视角移动到 B 视角，加上对话和音效。

关键技巧：提示词只描述「从 A 到 B 怎么变」，不重复起始帧和结束帧已经定义的视觉元素。

工作流二：素材转视频

素材转视频（Ingredients to Video）用参考图像维持角色一致性，构建多镜头对话场景。提供角色、场景和物体的参考图像后，每个镜头的提示词只需指导动作和对话，视觉一致性由参考图像保证。

工作流三：时间戳提示词

时间戳提示词是 Veo 相对于竞品的独有差异化能力。在单次生成中用时间标记导演最多四个连续镜头。格式为 [00:00-00:02] 后跟该时间段的镜头描述，每个时间段的镜头类型应有变化以创造视觉节奏。

🔍 深入一步：时间戳提示词的成败在于节奏把控。四个 2 秒镜头比一个 8 秒长镜头更容易控制，但也需要更精确的描述。如果某个时间段的画面不满意，只需要调整该段的描述重新生成，不影响其他段。

10 个精选提示词模板：覆盖最常见的视频创作场景

以下 10 个模板覆盖了 Veo 用户最高频的 10 个应用场景——从产品广告、美食餐饮到短剧微电影、音乐视频，每个场景都是真实使用需求。每个模板都是 3 镜头时间戳多镜头叙事，严格遵循八层统一框架，充分发挥 Veo 的专属能力：音频三层设计（says: / SFX: / Ambient:）、时间戳精确分段、写实度优势。Veo 主要接受英文提示词，正文展示中文版本方便理解，每个模板后附折叠区提供英文原版供直接使用。

模板 1：产品广告

应用场景：电商产品展示、品牌广告、开箱视频 | 目标用户：电商卖家、品牌方 | 关键技巧：百分比运镜控制「缓慢推进 5%」精确控制幅度，时间戳三段式从包装到开箱到 360 度展示，Ambient 层用极简声音烘托高级感

[00:00-00:03] 特写，一只哑光白色方形包装盒放在浅灰色桌面上，盒盖中央一个银色 Logo 压印清晰可见，包装边缘倒角线条利落。一束光从正上方缓缓亮起，照亮 Logo 的细微纹理和压印深度。缓慢推进 5%（slow push-in 5%），从包装盒全貌收紧到 Logo 特写。柔和的主光从画面左侧照射，右侧有微妙的轮廓光，光束中可见悬浮的灰尘颗粒。SFX: 安静环境中柔和的灯光通电嗡鸣。Ambient: 空间感十足的寂静。

[00:03-00:06] 中近景，俯拍角度。一双手指甲修剪整齐的手从画面两侧伸入，拇指和食指捏住盒盖边缘。盒盖以缓慢匀速被提起，内侧磁吸结构分离。盒盖完全提起后，深灰色绒布上嵌着一副哑光黑色无线耳机，耳罩纹理和拉丝金属铰链被柔和光线勾勒。固定机位（static），正上方俯拍。主光从正上方打下，耳机表面形成均匀的高光带。SFX: 磁吸分离的轻微咔声，盒盖触碰桌面的轻柔声。Ambient: 绒布与手指的细微摩擦声。

[00:06-00:08] 中景，平视角度。双手从绒布中取出耳机放在桌面中央。耳机在隐形转盘上缓慢旋转半圈，从正面到侧面展示耳罩弧度、头梁弹性和铰链结构。缓慢弧形环绕（slow arc shot），与转盘旋转方向相反形成双重环绕效果。右上方干净主光，左侧柔和散射补光，白色无缝背景带微妙渐变。SFX: 极轻的机械转盘低频嗡鸣。Ambient: 耳机表面反射光线时的微妙高频音效。

照片级产品摄影，超写实渲染，85mm 镜头压缩，背景浅景深，苹果主题演讲美学。扭曲产品形状，变形拉伸，闪烁，屏幕文字，Logo 叠加。1080p，16:9，8 秒。

[00:00-00:03] Close-up, a matte white square packaging box on a light gray desk, a silver logo imprint clearly visible at the center of the lid, crisp beveled edges. A beam of light slowly illuminates from directly above, revealing the fine texture and embossing depth of the logo. Slow push-in 5%, tightening from the full box to the logo close-up. Soft key light from screen-left, subtle rim light from the right, dust motes visible in the beam. SFX: soft electrical hum of light powering on in a quiet space. Ambient: expansive, spacious silence.

[00:03-00:06] Medium close-up, overhead angle. Two well-manicured hands enter from both sides of frame, thumbs and index fingers gripping the lid edges. The lid lifts at a slow, even pace, magnetic closure separating. Once fully lifted, matte black wireless earphones sit embedded in dark gray velvet, earcup texture and brushed metal hinges outlined by soft light. Static shot, directly overhead. Key light from above, creating an even highlight band across the earphone surface. SFX: faint magnetic separation click, soft lid placement on desk. Ambient: subtle friction of velvet against fingertips.

[00:06-00:08] Medium shot, eye-level angle. Hands lift earphones from velvet and place them at desk center. Earphones rotate slowly on a hidden turntable through a half turn, revealing earcup curvature, headband elasticity, and hinge structure from front to profile. Slow arc shot, counter-rotating against the turntable direction for a dual-orbit effect. Clean key light from upper right, soft diffused fill from the left, white seamless background with subtle gradient. SFX: faint mechanical turntable low-frequency hum. Ambient: subtle high-frequency shimmer as light reflects off earphone surfaces.

Photorealistic product photography, ultra-realistic rendering, 85mm lens compression, shallow background depth of field, Apple keynote aesthetic. Distorted product shape, warping, stretching, flickering, on-screen text, logo overlay. 1080p, 16:9, 8 seconds.

模板 2：美食餐饮

应用场景：制作过程展示、成品摆盘、餐厅氛围营造 | 目标用户：餐饮店主、美食博主 | 关键技巧：9:16 竖屏适配短视频平台，时间戳三段色调从冷（备菜）到暖（烹饪）到金色（成品）递进，SFX 用食材处理声和烹饪声引发食欲

[00:00-00:03] 特写，木质砧板上排列着新鲜食材——一块厚切三文鱼排，表面油脂纹路清晰，旁边散落几片紫苏叶和细长的葱丝。一只手持刀从三文鱼右侧开始，以匀速切出薄片——刀刃缓慢滑过鱼肉，每一片在刀身两侧轻轻倒下，内部橙红色肉质和白色脂肪层清晰分明。固定机位（static），正上方俯拍。自然窗光从左侧打入，砧板上形成柔和侧光，鱼肉表面的油脂反射出微微光泽。SFX: 刀刃切过鱼肉的绵密声，薄片倒在砧板上的轻拍声。Ambient: 远处水龙头的滴水声。

[00:03-00:06] 中近景，一口黑色铸铁锅放在灶台上，锅面冒着热气。一只手将一勺黄油放入锅中——黄油落入的瞬间发出滋滋声，边缘冒出细密气泡和金色融化过程。另一只手用长柄夹将三文鱼排轻放入锅中，鱼皮接触热油的瞬间卷曲收紧，油花四溅。缓慢推进（slow dolly in），从锅全景收紧到鱼排在油中煎制的细节。灶台上方暖色吊灯打下，蒸汽在光束中呈半透明金色。SFX: 黄油融化的滋滋声，鱼排入锅的爆裂声，锅铲轻轻按压鱼皮的吱吱声。Ambient: 厨房通风系统的低频白噪声。

[00:06-00:08] 中景，成品摆盘。一只深灰色陶瓷盘放在原木桌面上，煎好的三文鱼排摆在盘中央，鱼皮金黄酥脆微微翘起，肉质断面粉嫩。旁边点缀几滴酱油和一小撮芝麻。一只手从画面上方将一小壶热油缓缓浇在鱼排上，油线以慢动作呈细丝状落下，接触鱼皮时发出最后一声滋滋声。缓慢后拉（slow dolly out），从盘中特写退至桌面全景，揭示周围的筷架和一杯清酒。左侧自然窗光带暖色调，盘子边缘投下柔和短影。SFX: 热油浇淋的滋滋声，瓷盘在木桌上被微微推正的声响。Ambient: 远处餐厅的轻柔环境音。

美食摄影风格，超写实渲染，85mm 微距镜头，极浅景深带柔和圆形散景，高端美食杂志美学。变形食材色彩，闪烁，扭曲比例，屏幕文字，Logo 叠加。1080p，9:16，8 秒。

[00:00-00:03] Close-up, fresh ingredients arranged on a wooden cutting board — a thick-cut salmon fillet with visible fat marbling, scattered shiso leaves and fine scallion threads alongside. A hand holding a knife begins slicing from the right side of the salmon at a steady pace — the blade glides slowly through the flesh, each slice gently falling to either side, revealing vivid orange-red meat and white fat layers. Static shot, directly overhead. Natural window light from the left casting soft side light across the board, fish surface reflecting a faint oily sheen. SFX: the dense sound of blade passing through fish, light slap of slices landing on the board. Ambient: distant water faucet dripping.

[00:03-00:06] Medium close-up, a black cast-iron skillet on the stovetop, steam rising from the surface. A hand drops a spoonful of butter into the pan — instant sizzle on contact, fine bubbles and golden melting at the edges. Another hand uses long tongs to gently lower the salmon fillet into the pan, fish skin curling and tightening on contact with hot oil, oil spattering. Slow dolly in, tightening from the full pan to the searing detail. Warm pendant light above the stove, steam catching the light beam in translucent gold. SFX: butter melting sizzle, fillet hitting hot oil crackle, spatula gently pressing fish skin squeak. Ambient: low-frequency kitchen ventilation white noise.

[00:06-00:08] Medium shot, final plating. A dark gray ceramic plate on a raw wood table, seared salmon fillet centered with golden crispy skin slightly lifted, pink flesh visible at the cross-section. Garnished with soy sauce drops and a pinch of sesame seeds. A hand from above slowly pours hot oil from a small pitcher onto the fillet, the oil stream descending in slow-motion thin threads, one final sizzle on contact with the skin. Slow dolly out, pulling back from plate close-up to full table setting revealing chopstick rest and a glass of sake. Natural window light from the left with warm tones, plate edge casting a soft short shadow. SFX: hot oil drizzle sizzle, ceramic plate nudged on wood table. Ambient: soft distant restaurant ambiance.

Food photography style, ultra-realistic rendering, 85mm macro lens, extremely shallow depth of field with soft circular bokeh, high-end food magazine aesthetic. Distorted food colors, flickering, warped proportions, on-screen text, logo overlay. 1080p, 9:16, 8 seconds.

模板 3：短剧微电影

应用场景：情感故事、反转剧情、人物冲突 | 目标用户：短视频创作者 | 关键技巧：Veo 独有的 says:/replies: 冒号格式生成原生对话口型同步，三个镜头的空间从狭小压抑到开阔明亮形成叙事弧线，时间戳精确控制叙事节奏

[00:00-00:03] 中景，昏暗的小办公室。一个穿深蓝色制服、胸前别着工牌的年轻女人坐在金属办公桌后，双手交叉放在桌上，指关节发白。对面坐着一个穿灰色西装、头发灰白的中年男人，手里翻着一份文件。男人抬头，目光冷淡。男人 says: "你的试用期表现不达标。" 女人的下颌绷紧，鼻翼微微张开，目光没有闪躲。女人 replies: "我需要这份工作。" 固定机位（static），过肩镜头。冷白色日光灯从正上方打下，桌面反光惨白，窗外是灰色的停车场。Ambient: 日光灯管的电流嗡鸣，远处走廊的脚步声，无音乐。

[00:03-00:06] 特写，六个月后。同一个女人的面部占满画面——但一切都变了。妆容精致，眉毛修剪干净，嘴角有一条自信的弧线。她正低头看着一台笔记本电脑屏幕，眼睛扫过数据，瞳孔中反射出屏幕上跳动的图表。她缓缓抬头，目光越过镜头上方，嘴角不自觉地上扬了一毫米。缓慢推进（slow push in），从面部中景收紧到眼部特写。左前方柔光箱打出均匀暖光，背景是落地窗外的城市天际线虚化光斑。SFX: 键盘轻敲一声后停顿。Ambient: 高层办公室安静的空调气流声。

[00:06-00:08] 全景，一间宽敞的顶层办公室，落地窗外是城市天际线。她站起身走向落地窗，右手搭在玻璃上，手指沿着窗框缓缓滑下。她微微侧头看向窗外远方，深吸一口气——胸腔上升，然后缓缓呼出，双肩彻底放松。玻璃上隐约映出她的侧脸倒影。固定机位（static），从室内向外拍摄，窗框形成画中画构图。午后金色侧光从落地窗打入，在她的面部形成伦勃朗光三角。SFX: 手指触碰玻璃的轻微声响。Ambient: 窗外城市远景的低频环绕声，一声沉稳的长呼气。

电影叙事风格，超写实渲染，35mm 柯达暖色调，浅景深散景，写实主义调色。扭曲面部比例，身份漂移，屏幕文字，字幕叠加。1080p，16:9，8 秒。

[00:00-00:03] Medium shot, a dim small office. A young woman in a dark blue uniform with a name badge pinned to her chest sits behind a metal desk, hands clasped together, knuckles white. Across from her sits a middle-aged man in a gray suit with graying hair, flipping through a document. He looks up, gaze cold. The man says: "Your probation performance is below standard." The woman's jaw tightens, nostrils flare slightly, gaze unflinching. The woman replies: "I need this job." Static shot, over-the-shoulder angle. Cold white fluorescent light from directly above, desk surface reflecting harsh white, gray parking lot visible through the window. Ambient: fluorescent tube electrical hum, distant footsteps in the corridor, no music.

[00:03-00:06] Close-up, six months later. The same woman's face fills the frame — but everything has changed. Makeup refined, eyebrows groomed, a confident curve at the corner of her lips. She looks down at a laptop screen, eyes scanning data, pupils reflecting dancing charts on the display. She slowly lifts her gaze past the camera, corners of her mouth rising imperceptibly. Slow push in, tightening from medium face to eye-level close-up. Soft box from front-left casting even warm light, background showing bokeh city skyline through floor-to-ceiling windows. SFX: single keyboard tap followed by a pause. Ambient: quiet HVAC airflow in a high-rise office.

[00:06-00:08] Wide shot, a spacious top-floor office with floor-to-ceiling windows and a city skyline beyond. She stands and walks to the window, right hand resting on the glass, fingers slowly tracing down the window frame. She tilts her head slightly gazing into the distance, inhales deeply — chest rising — then exhales slowly, shoulders releasing completely. Her faint profile reflects in the glass. Static shot, shooting from interior toward exterior, window frame creating a frame-within-frame composition. Afternoon golden side light entering through the windows, forming a Rembrandt lighting triangle on her face. SFX: faint sound of fingertips touching glass. Ambient: low-frequency urban soundscape from the distant cityscape, one steady exhale.

Cinematic narrative style, ultra-realistic rendering, 35mm Kodak warm tones, shallow depth of field bokeh, realist color grading. Distorted facial proportions, identity drift, on-screen text, subtitle overlays. 1080p, 16:9, 8 seconds.

模板 4：音乐视频

应用场景：节拍卡点、舞蹈表演、歌词可视化 | 目标用户：音乐人、舞蹈博主 | 关键技巧：Veo 专属音频三层全面展示——SFX 精确描述音效事件、Ambient 构建空间氛围、says 格式生成口型同步歌词，三层协同打造完整音画体验

[00:00-00:03] 中景，一间空旷的舞蹈排练厅，四面落地镜反射出无限延伸的空间。一个穿黑色紧身上衣、宽松灰色运动裤、赤脚的舞者站在排练厅中央，背对镜头。她的双手垂在身体两侧，手指微微张开，脊柱随着低频节拍微微起伏——从尾椎开始，波浪式传导至颈椎。她缓缓转头，露出侧脸的下颌线。固定机位（static），平视角度。头顶工业吊灯投下单一硬光，舞者的影子在木地板上拉出长长的轮廓。SFX: 赤脚在木地板上微微摩擦的声响，低沉的电子节拍前奏脉动。Ambient: 排练厅空旷的回声混响。

[00:03-00:06] 中近景，舞者正面。舞者的右臂以流畅的弧线从身侧甩至头顶——手腕在最高点翻转，手指依次展开。左脚同时向左侧滑出一大步，身体重心随之转移。她的躯干在重音处做一次锐利的顿停，肩膀和臀部反方向扭转。头发因动作惯性甩向一侧。跟拍（tracking shot），从正面微微左右跟随她的重心移动。两侧排练镜反射出她的多个角度。SFX: 赤脚踏地板的节奏声，衣料随动作发出的呼呼声，主旋律电子合成器渐入。Ambient: 木地板在脚步冲击下的共振低频。

[00:06-00:08] 全景，舞者在排练厅中央全力释放。她连续做两个旋转——每次旋转时双臂从收紧到展开，运动裤裤脚在旋转气流中飞起。旋转结束后她猛然停住，单膝跪地，双臂向两侧完全展开，头向后仰，胸腔大幅起伏。汗珠从额头和手臂上甩出，在灯光中如碎钻闪烁。摇臂上升（crane up），从平视缓慢升至俯拍，揭示她跪在地板中央的完整画面和四面镜中的无数个她。舞者 says: "只有在舞台上我才是完整的。" SFX: 最后一个重音与她跪地动作精确同步，然后音乐骤停。Ambient: 急促的喘息声在排练厅中回荡，所有灯光同时全亮。

现代舞纪录片风格，超写实渲染，35mm 广角镜头，自然主义调色。扭曲面部，肢体弯曲变形，身份漂移，屏幕文字，字幕叠加。1080p，16:9，8 秒。

[00:00-00:03] Medium shot, an empty dance rehearsal studio with floor-to-ceiling mirrors on all four walls reflecting infinite space. A dancer in a black fitted top, loose gray sweatpants, barefoot, stands at the center of the studio with her back to camera. Her hands hang at her sides, fingers slightly spread, spine undulating subtly to a low-frequency beat — wave motion traveling from tailbone up through the cervical spine. She slowly turns her head, revealing the jawline in profile. Static shot, eye level. Overhead industrial pendant casting a single hard light, dancer's shadow stretching long across the wood floor. SFX: bare feet faintly scuffing against wood floor, low electronic beat pulsing in the intro. Ambient: hollow reverb echo of the empty rehearsal hall.

[00:03-00:06] Medium close-up, dancer facing forward. Her right arm sweeps in a fluid arc from her side to overhead — wrist flipping at the apex, fingers unfurling one by one. Left foot simultaneously slides out in a wide step to the left, center of gravity shifting. Her torso hits a sharp isolation on the downbeat, shoulders and hips counter-rotating. Hair whips to one side from the motion's momentum. Tracking shot, following her shifting center of gravity with subtle lateral movement from the front. Reflections in the side mirrors showing multiple angles. SFX: rhythmic bare-foot impacts on wood floor, fabric whooshing with movement, electronic synth melody fading in. Ambient: low-frequency resonance of wood floor under foot impact.

[00:06-00:08] Wide shot, dancer in full release at the studio center. She executes two consecutive spins — arms pulling tight then expanding on each rotation, sweatpant hems catching the spin's airflow. She stops abruptly after the last spin, dropping to one knee, arms fully extended to both sides, head tilted back, chest heaving. Sweat droplets fling from her forehead and arms, glinting like shattered diamonds in the light. Crane up, rising slowly from eye level to overhead, revealing her kneeling at the floor center and countless reflections of her in the four mirrors. She says: "Only on this stage am I whole." SFX: final downbeat syncing precisely with her knee landing, then music cuts to silence. Ambient: rapid breathing echoing through the rehearsal hall, all lights snapping to full brightness.

Modern dance documentary style, ultra-realistic rendering, 35mm wide-angle lens, naturalistic color grading. Distorted face, bent and warped limbs, identity drift, on-screen text, subtitle overlays. 1080p, 16:9, 8 seconds.

模板 5：品牌宣传片

应用场景：企业形象展示、团队介绍、价值观传达 | 目标用户：企业市场部 | 关键技巧：时间戳三段从空间全景到人物群像到产品特写构成品牌叙事弧线，Ambient 层从环境音到人声到音乐渐入营造专业氛围，Veo 的写实度让商务场景几乎不可辨别于实拍

[00:00-00:03] 全景，清晨阳光穿过一栋现代玻璃幕墙办公楼的大堂。大堂中央一面浅灰色水泥墙上嵌着公司 Logo——拉丝不锈钢材质，边缘反射着晨光。前台桌面上一盆小型绿植的叶片微微颤动。一个穿白色衬衫的前台人员站起身整理桌面文件，动作从容。缓慢推进（slow dolly in），从大堂入口推向 Logo 墙。晨光从右侧落地窗打入，在水泥墙上形成长条形光带，Logo 的金属表面捕捉到暖色反光。SFX: 大堂门禁刷卡的滴声，皮鞋踩大理石的远距离回响。Ambient: 空调系统的低频白噪声。

[00:03-00:06] 中景，开放式办公区域。三个人围坐在一张原木长桌旁——一个穿深蓝色polo衫的男人用手指在平板上划动，一个扎马尾穿灰色针织衫的女人微微侧头看向屏幕，嘴角不自觉上扬，第三个戴黑框眼镜的人右手托着下巴，食指轻轻点着嘴唇思考。跟拍（tracking shot），从桌子一端缓慢平移到另一端。头顶线性灯带投下均匀的暖白光，桌面原木纹理和每个人的肤色都呈现自然暖色调。SFX: 键盘轻敲声，咖啡杯放在桌面上的轻碰声。Ambient: 有人小声说了一句「这个方向对」。

[00:06-00:08] 中近景，一双手将一份装订好的方案书放在会议桌上，封面印着公司 Logo 和项目名称。手指轻轻翻开第一页，纸张边缘在指尖滑过。镜头焦点从方案书的文字缓慢转移到背景中——落地窗外城市天际线在午后阳光下清晰可见，几片云缓缓移动。固定机位（static），浅景深。午后侧光从落地窗打入，方案书封面的 Logo 被一道斜光照亮，纸页边缘泛金色。SFX: 纸页翻动的清脆声。Ambient: 远处窗外城市的低频环绕声，一段轻柔的品牌主旋律钢琴曲渐入。

企业品牌宣传风格，超写实渲染，50mm 定焦镜头，ARRI ALEXA 色彩科学，暖色调自然主义调色。扭曲面部比例，身份漂移，屏幕文字，字幕叠加。1080p，16:9，8 秒。

[00:00-00:03] Wide shot, early morning sunlight streaming through the lobby of a modern glass-curtain-wall office building. A company logo in brushed stainless steel is embedded in a light gray concrete feature wall at the lobby center, edges catching the morning light. A small potted plant on the reception desk trembles faintly. A receptionist in a white shirt rises and arranges documents on the desk with unhurried composure. Slow dolly in, pushing from the lobby entrance toward the logo wall. Morning light enters through the right-side floor-to-ceiling windows, casting a long strip of light on the concrete wall, the metal logo surface catching warm reflections. SFX: lobby access card beep, leather shoes echoing distantly on marble. Ambient: low-frequency HVAC white noise.

[00:03-00:06] Medium shot, open-plan office area. Three people sit around a raw wood conference table — a man in a dark blue polo swipes a tablet, a woman with a ponytail in a gray knit sweater tilts her head toward the screen with an involuntary smile, a third person in black-framed glasses rests chin on right hand, index finger tapping lips thoughtfully. Tracking shot, slowly panning from one end of the table to the other. Overhead linear light strips casting even warm-white light, raw wood grain and skin tones rendered in natural warm hues. SFX: soft keyboard taps, coffee cup placed gently on the table surface. Ambient: someone murmuring quietly "this direction is right."

[00:06-00:08] Medium close-up, a pair of hands places a bound proposal on the conference table, cover printed with the company logo and project title. Fingers gently turn the first page, paper edge sliding past fingertips. Focus slowly racks from the proposal text to the background — city skyline clearly visible through floor-to-ceiling windows in afternoon sunlight, a few clouds drifting slowly. Static shot, shallow depth of field. Afternoon side light entering through the windows, a diagonal beam illuminating the logo on the proposal cover, page edges catching golden light. SFX: crisp sound of page turning. Ambient: distant city low-frequency ambiance through the window, a soft brand-theme piano melody fading in.

Corporate brand film style, ultra-realistic rendering, 50mm prime lens, ARRI ALEXA color science, warm naturalistic color grading. Distorted facial proportions, identity drift, on-screen text, subtitle overlays. 1080p, 16:9, 8 seconds.

模板 6：房地产展示

应用场景：楼盘漫游、室内设计展示、空间体验营造 | 目标用户：地产经纪、室内设计师 | 关键技巧：时间戳三段从外景到客厅到阳台视野构成由外及内再向外的空间叙事，(thats where the camera is) 语法锁定看房者第一视角，Veo 写实度让建筑空间几乎不可辨别于实拍

[00:00-00:03] 全景，一栋现代极简风格的独立别墅外立面，白色清水混凝土墙体搭配大面积落地玻璃窗。前院一棵日本红枫树叶片在微风中轻轻摆动，石板小径从画面底部延伸至入口大门。大门缓缓向内打开，露出门厅内部温暖的灯光。缓慢推进（slow dolly in），从街道视角推向逐渐打开的大门，人眼高度 (thats where the camera is)。午后黄金时段侧光从左侧打来，白色墙面被阳光染成淡金色，落地窗反射出对面树木的倒影。SFX: 微风拂过树叶的沙沙声，大门液压铰链的低沉开启声。Ambient: 门内暖气流出的微弱气流声。

[00:03-00:06] 中景，步入开放式客厅。挑高四米的天花板下，一组浅灰色布艺沙发环绕着一张黑色大理石茶几。右侧整面书墙从地面延伸至天花板，原木搁板上错落摆放着书籍和陶器。阳光透过两层高的落地窗在木地板上投下长方形光斑，光斑中漂浮着细小的灰尘颗粒。跟拍（tracking shot），模拟看房者的步行视角从门厅缓慢走入客厅中央，视线从左侧书墙扫到右侧落地窗。顶部天窗和侧面落地窗形成交叉自然采光，空间内无人工主灯，全靠日光勾勒空间层次。SFX: 脚步踩在橡木地板上的轻柔叩击声。Ambient: 远处厨房水龙头滴水的清脆声，窗外鸟鸣。

[00:06-00:08] 中近景，走到客厅尽头的阳台推拉门前。一只手从画面右侧伸出，手指搭在门把手上缓缓向右推开玻璃门。门滑开后，阳台外的城市天际线在午后阳光中展开——远处几栋高楼轮廓清晰，中景是一片绿化带的树冠，近处阳台栏杆上一盆多肉植物叶片饱满。微风吹入室内，白色纱帘被掀起一角。固定机位（static），站在室内向外拍摄，阳台门框形成画中画构图。室内偏暗的环境光与阳台外明亮的自然光形成戏剧性明暗对比，纱帘边缘被逆光勾出金色轮廓。SFX: 推拉门滑轨的顺滑声，风涌入室内的呼声。Ambient: 纱帘飘动的轻柔声，远处城市的低频环绕声。

建筑空间摄影风格，超写实渲染，24mm 广角镜头保持空间纵深感，自然光主导，极简主义调色。扭曲空间比例，变形拉伸，屏幕文字，Logo 叠加。1080p，16:9，8 秒。

[00:00-00:03] Wide shot, the exterior facade of a modern minimalist detached villa — white exposed concrete walls paired with expansive floor-to-ceiling glass windows. A Japanese red maple in the front yard, leaves swaying gently in the breeze, a stone path extending from the bottom of frame to the entrance door. The front door slowly opens inward, revealing warm interior lighting in the foyer. Slow dolly in, pushing from street perspective toward the gradually opening door, eye height (thats where the camera is). Afternoon golden hour side light from the left, white walls tinted pale gold by sunlight, floor-to-ceiling windows reflecting the trees across the street. SFX: breeze rustling through maple leaves, low hydraulic hinge sound as the door opens. Ambient: faint warm airflow escaping from the interior.

[00:03-00:06] Medium shot, stepping into the open-plan living room. Under a four-meter-high ceiling, a set of light gray fabric sofas surrounds a black marble coffee table. A full-height bookshelf wall on the right stretches floor to ceiling, raw wood shelves holding books and ceramics in staggered arrangement. Sunlight through the double-height windows casts rectangular light patches on the wood floor, fine dust particles floating within the beams. Tracking shot, simulating a viewer's walking perspective from the foyer slowly into the living center, gaze sweeping from the left bookshelf wall to the right windows. Skylight overhead and side windows creating cross-lit natural illumination, no artificial key light, space layered entirely by daylight. SFX: soft footsteps tapping on oak flooring. Ambient: distant kitchen faucet dripping crisply, birdsong outside the window.

[00:06-00:08] Medium close-up, reaching the balcony sliding door at the far end of the living room. A hand extends from screen-right, fingers resting on the handle, slowly sliding the glass door open to the right. Beyond the door, the city skyline unfolds in afternoon sunlight — distant high-rise silhouettes sharp and clear, mid-ground a canopy of greenery, foreground a potted succulent with plump leaves on the balcony railing. A breeze enters the interior, lifting a corner of the white sheer curtain. Static shot, shooting from interior toward exterior, the door frame creating a frame-within-frame composition. Dramatic contrast between the darker interior ambient light and the bright natural light outside, curtain edge outlined in golden backlight. SFX: smooth sliding-door track glide, rush of wind entering the interior. Ambient: soft flutter of sheer curtain, distant low-frequency city ambiance.

Architectural photography style, ultra-realistic rendering, 24mm wide-angle lens preserving spatial depth, natural light dominant, minimalist color grading. Distorted spatial proportions, warping, stretching, on-screen text, logo overlay. 1080p, 16:9, 8 seconds.

模板 7：教育知识

应用场景：知识讲解可视化、历史场景重现、科学原理演示 | 目标用户：教师、知识博主 | 关键技巧：时间戳三段构成「提出问题、展示答案、总结升华」的知识叙事结构，says 格式生成讲解者口型同步，Veo 超写实渲染让历史场景重现接近纪录片品质

[00:00-00:03] 全景，一座完整的古罗马斗兽场矗立在蓝天下，外墙的三层拱券结构清晰可见，每个拱券内的多利克柱和爱奥尼柱细节精确。建筑表面保留着石灰华的米黄色原始材质，阳光在拱券的阴影中形成规律的明暗交替。画面底部的广场上几个穿白色托加长袍的人物缓慢走过，长袍下摆随步伐轻拂地面。固定机位（static），低角度仰拍，斗兽场占据画面上方三分之二。正午顶光从正上方打下，建筑顶部明亮，底层拱券内渐暗，立体感强烈。SFX: 风穿过石拱的回声，鸽子振翅飞过的声响。Ambient: 远处人群嘈杂的低语。

[00:03-00:06] 中近景，镜头穿过一个底层拱券进入斗兽场内部。椭圆形竞技场的沙地铺展在视野中央，周围层层看台从低到高向上排列。一束阳光从顶部缺口打入，在沙地上形成一个椭圆形光斑——光斑内沙尘颗粒缓缓浮动。一个穿青铜胸甲、手持短剑和盾牌的角斗士从阴影中缓步走入光斑，他抬起持剑的右臂向看台方向致意，盾牌表面的浮雕纹饰被阳光照亮。缓慢推进（slow push in），从竞技场全景收紧到角斗士的上半身。从顶部打入的单束自然光如同舞台追光，角斗士周围暗，身上亮。SFX: 沙地上沉重脚步的闷响，金属盾牌与胸甲碰撞的铿锵声。Ambient: 看台方向传来隐约的欢呼声。

[00:06-00:08] 中景，场景切换到现代。一个穿浅蓝色衬衫、戴细框眼镜的讲解者站在一面深色背景墙前，身后投影着斗兽场的结构剖面图。他的右手掌心朝上，手臂从胸前向右侧缓慢展开——手势与背后投影中的结构标注方向一致，像是在为观众「打开」建筑的内部。讲解者 says: "这就是古罗马工程的核心——拱券承重体系。" 固定机位（static），平视角度，人物在画面左三分之一处，背后投影占右三分之二。左前方柔光箱打出均匀面光，背景投影亮度适中不过曝。Ambient: 极轻的环境白噪声。

教育纪录片风格，超写实渲染，50mm 定焦镜头，自然主义调色，画面干净稳定适配后期字幕。扭曲面部比例，身份漂移，屏幕文字，Logo 叠加。1080p，16:9，8 秒。

[00:00-00:03] Wide shot, a complete ancient Roman Colosseum standing under blue sky, three tiers of arched openings clearly visible on the exterior wall, Doric and Ionic columns precise within each arch. The building surface retains its original travertine limestone in warm beige, sunlight creating rhythmic alternation of light and shadow within the arches. Several figures in white toga robes walk slowly across the plaza at the bottom of frame, robe hems brushing the ground with each step. Static shot, low angle looking up, Colosseum occupying the upper two-thirds of frame. Noon overhead light casting brightness on the upper structure while lower arcade darkens gradually, creating strong dimensionality. SFX: wind echoing through stone arches, pigeons fluttering past. Ambient: distant murmuring crowd.

[00:03-00:06] Medium close-up, camera pushes through a ground-level arch into the Colosseum interior. The oval arena floor stretches out at center frame, tiered seating rising in concentric rows around it. A shaft of sunlight enters through a gap in the upper structure, casting an elliptical light pool on the sand — dust particles drifting slowly within the beam. A gladiator in bronze breastplate carrying a short sword and shield steps slowly from shadow into the light pool, raising his sword arm in salute toward the stands, shield surface reliefs catching the sunlight. Slow push in, tightening from the full arena to the gladiator's upper body. Single natural light from above functioning as a spotlight, gladiator lit brightly against dark surroundings. SFX: heavy muffled footfalls on sand, metallic clang of shield against breastplate. Ambient: distant roar of crowd approval from the stands.

[00:06-00:08] Medium shot, scene transitions to modern day. A presenter in a light blue shirt and thin-framed glasses stands before a dark background wall, a structural cross-section of the Colosseum projected behind him. His right hand opens palm-up, arm extending slowly from chest to the right — gesture tracking the structural annotations in the projection, as if physically opening the building's interior for the audience. The presenter says: "This is the engineering core of ancient Rome — the arch load-bearing system." Static shot, eye level, figure positioned at the left third of frame, projection occupying the right two-thirds. Soft box from front-left casting even fill light, projection at moderate brightness without overexposure. Ambient: faint environmental white noise.

Educational documentary style, ultra-realistic rendering, 50mm prime lens, naturalistic color grading, clean stable image suitable for post-production subtitle overlay. Distorted facial proportions, identity drift, on-screen text, logo overlay. 1080p, 16:9, 8 seconds.

模板 8：时尚美妆

应用场景：穿搭展示、妆容教程、时尚杂志大片 | 目标用户：时尚博主、美妆品牌 | 关键技巧：9:16 竖屏适配社交媒体，时间戳三段从全身穿搭到妆容特写到定格大片构成由远及近的时尚叙事，Veo 超写实渲染让肤质纹理、面料材质和妆容细节达到杂志级真实度

[00:00-00:03] 全景，9:16 竖屏构图。一个穿着驼色双排扣羊绒大衣、内搭黑色高领针织衫、下穿深灰色阔腿裤的年轻女人从一面浅灰色水泥墙前走过。她的步伐从容不急，每一步右脚微微内扣——大衣下摆随步伐左右摆动，露出内搭的针织衫下摆和腰带扣的金属反光。她的左手插在大衣口袋里，右手自然下垂，手指间夹着一副折叠的墨镜。跟拍（tracking shot），从正侧面与她平行移动。自然散射光从正面打来，水泥墙的粗糙纹理与大衣的柔和质感形成对比，无硬阴影。SFX: 高跟靴踩水泥地面的清脆节奏声，大衣面料随步伐的轻柔摩擦声。Ambient: 远处街道环境音。

[00:03-00:06] 超级特写，面部妆容细节。她停下脚步转向镜头，画面收紧到面部——从额头到下巴占满屏幕。粉底的哑光质感均匀覆盖皮肤，颧骨上方一道细腻的高光带从太阳穴延伸至鼻梁。眼影用大地色系从浅到深晕染，内眼角有一点金色亮片在光线下闪烁。她缓慢眨一次眼——睫毛卷翘，眼线从眼尾微微上扬。嘴唇涂着豆沙色唇釉，上唇中央有一道饱满的高光。固定机位（static），正面平视特写。环形补光灯从正面打出均匀柔光，消除面部阴影，瞳孔中可见环形灯的微小圆形反射。SFX: 睫毛膏刷过的极轻声响。Ambient: 安静的室内环境。

[00:06-00:08] 中景，定格大片姿态。她靠在水泥墙上，左肩抵墙，身体微微侧转形成 S 形曲线。右手从口袋中取出墨镜，缓缓展开，用食指和中指夹住镜腿举到面部右侧——没有戴上，而是让墨镜悬停在颧骨旁。她微微抬起下巴，目光越过镜头上方，嘴唇轻抿不露齿。风吹起她的头发几缕飘过面前，她没有拨开。缓慢推进（slow push in），从中景收紧到半身构图。左侧 45 度暖色主光形成伦勃朗光三角，右侧冷色反光板提供细微补光，墙面的粗糙质感在侧光下凸显。SFX: 墨镜金属铰链展开的微小咔声。Ambient: 风吹过面料的轻柔声，一段极轻的时尚电子音乐渐入。

时尚杂志大片风格，超写实渲染，85mm 人像镜头，浅景深柔和散景，高级感调色。扭曲面部比例，肤色失真，屏幕文字，Logo 叠加。1080p，9:16，8 秒。

[00:00-00:03] Full shot, 9:16 vertical composition. A young woman in a camel double-breasted cashmere coat, black turtleneck underneath, dark gray wide-leg trousers, walks past a light gray concrete wall. Her pace is unhurried, right foot toeing in slightly with each step — coat hem swaying side to side, revealing the knit undershirt hem and a metallic belt buckle glint. Left hand in coat pocket, right hand hanging naturally with folded sunglasses pinched between fingers. Tracking shot, moving parallel from the direct side. Natural diffused light from the front, rough concrete texture contrasting with the soft coat fabric, no hard shadows. SFX: crisp rhythm of heeled boots on concrete, soft fabric friction of the coat with each stride. Ambient: distant street ambiance.

[00:03-00:06] Extreme close-up, facial makeup detail. She stops and turns toward camera, frame tightening to her face — forehead to chin filling the screen. Matte foundation evenly covering skin texture, a delicate highlight strip running from temple to nose bridge above the cheekbones. Eyeshadow in earth tones blended from light to deep, a tiny gold fleck at the inner corner glinting in the light. She blinks once slowly — curled lashes, eyeliner extending in a subtle wing from the outer corner. Lips wearing a muted mauve lip glaze, a plump highlight on the center of the upper lip. Static shot, direct frontal close-up. Ring light casting even soft fill from the front, eliminating facial shadows, tiny circular ring-light reflection visible in both pupils. SFX: faintest whisper of mascara brush. Ambient: quiet interior environment.

[00:06-00:08] Medium shot, editorial freeze-frame pose. She leans against the concrete wall, left shoulder braced, body turned slightly to form an S-curve. Right hand draws the sunglasses from the pocket, slowly unfolds them, pinches the temple between index and middle fingers and holds them beside her right cheekbone — not wearing them, letting them hover. She lifts her chin slightly, gaze passing above the lens, lips pressed closed without teeth showing. Wind catches a few strands of hair across her face; she does not brush them away. Slow push in, tightening from medium to half-body framing. Warm key light at 45 degrees from the left forming a Rembrandt triangle, cool fill reflector on the right providing subtle counter-light, rough wall texture accentuated by the side light. SFX: faint metallic click of sunglasses hinge unfolding. Ambient: soft wind on fabric, a very faint fashion electronic music fading in.

Fashion editorial style, ultra-realistic rendering, 85mm portrait lens, shallow depth of field with soft bokeh, high-end color grading. Distorted facial proportions, unnatural skin tone, on-screen text, logo overlay. 1080p, 9:16, 8 seconds.

模板 9：旅行风光

应用场景：目的地展示、旅行 Vlog 素材、航拍风景 | 目标用户：旅行博主、文旅局 | 关键技巧：Veo 写实度最强的优势全面发挥——海水颜色渐变、礁石浪花细节、皮肤毛孔汗珠、逆光金色雾气全部达到照片级真实，时间戳三段从航拍到地面到黄金时段构成由远及近的空间叙事

[00:00-00:03] 远景航拍，黄金时段飞越海岸线上空。一条蜿蜒的海岸公路从画面左下角延伸至右上角远方，公路左侧是深蓝色大海，白色浪花在礁石上破碎成泡沫线——每一道浪花的形态和消散都清晰可辨，水面折射出天空的色彩渐变。右侧是覆盖着翠绿植被的悬崖，岩石表面的纹理和苔藓在阳光下层次分明。一辆白色敞篷车沿公路缓慢行驶，车身在阳光下反射出亮点。航拍缓降（aerial descending），从高空俯瞰缓慢降至悬崖边缘平视，摄像机在 200 英尺高度平稳滑行。午后阳光从右上方打来，海面呈深蓝到浅青的渐变色，悬崖边缘的植被被侧光照出层次分明的绿色。SFX: 高空风声从尖锐渐变为柔和，海浪拍打礁石的节奏声。Ambient: 敞篷车引擎的远距离低频声。

[00:03-00:06] 中景，公路边的观景台。一个穿白色亚麻衬衫、卡其色短裤、脚踩棕色皮质凉鞋的旅行者站在石砌护栏旁。他的双手搭在护栏粗糙的石面上，手指无意识地摩挲着石头表面的苔藓——指腹上的纹路和苔藓的质感都清晰可辨。他深吸一口气——胸腔明显上升——然后缓缓呼出，双肩随之彻底放松下沉。他微微侧头，脸上是松弛的表情，嘴角不自觉地上扬，眼角有细微的笑纹，额头上一颗汗珠在阳光下闪光。固定机位（static），人物在画面左三分之一处，右侧三分之二是海天一色。侧光从左方打来，人物面部暖色，背景海面冷蓝，冷暖自然分割画面。SFX: 衬衫面料被风吹动的轻拍声。Ambient: 海风持续的呼呼声，海浪在远处礁石上的节奏声。

[00:06-00:08] 中近景，黄金时段。旅行者沿着悬崖边的小径向前走，画面逆光——夕阳在他身后形成完整的金色轮廓剪影。他的左手轻轻触碰路边及腰高的野草，草茎在指尖弯曲后弹回，每一根草尖都被逆光镀上金边——草叶的脉络和绒毛在背光中呈半透明金色。空气中的海盐颗粒被夕阳照亮成金色雾气，远处海平面上太阳呈深橙色，底部已触及海面。缓慢后拉（slow dolly out），从人物背影退至全景，揭示整个悬崖、小径和无边际的海面。逆光黄金时段，体积感的金色薄雾弥漫。SFX: 脚步踩碎砂石的沙沙声，野草被手指拨过的窸窣声。Ambient: 海浪声渐远成为背景低频，一声海鸥的叫声划过远方。

旅行风光纪录片风格，超写实渲染，8K 摄像机拍摄质感，35mm 变形宽银幕镜头，柯达暖色调胶片质感，黄金时段自然光，IMAX 国家地理美学。扭曲面部比例，失真风景色彩，人造建筑，屏幕文字，Logo 叠加。1080p，16:9，8 秒。

[00:00-00:03] Wide aerial shot, flying over the coastline at golden hour. A winding coastal road stretches from the lower left to upper right of frame, deep blue ocean on the left with white breakers shattering into foam lines on the rocks — each wave formation and dissipation clearly distinguishable, water surface refracting the sky's color gradient. Lush green vegetation covers the cliffs on the right, rock surface texture and moss layered clearly in the sunlight. A white convertible drives slowly along the road, catching a sunlit glint on its body. Aerial descending, smoothly lowering from overhead to cliff-edge eye level, camera gliding steadily at 200 feet altitude. Afternoon sunlight from the upper right, ocean shifting from deep blue to pale cyan gradient, cliff-edge vegetation side-lit in layered greens. SFX: high-altitude wind fading from sharp to soft, rhythmic waves crashing on rocks. Ambient: distant low-frequency convertible engine.

[00:03-00:06] Medium shot, roadside lookout point. A traveler in a white linen shirt, khaki shorts, and brown leather sandals stands by a stone railing. His hands rest on the rough stone surface, fingers unconsciously stroking the moss — fingerprint ridges and moss texture both clearly distinguishable. He inhales deeply — chest rising visibly — then exhales slowly, shoulders dropping completely. He tilts his head slightly, expression relaxed, corners of mouth lifting involuntarily, fine laugh lines at the eyes, a bead of sweat on his forehead glinting in sunlight. Static shot, figure at the left third of frame, right two-thirds showing unbroken sea and sky. Side light from the left, warm tones on his face, cool blue ocean behind, natural warm-cool split across the frame. SFX: linen fabric flapping softly in the wind. Ambient: steady ocean breeze, rhythmic waves on distant rocks.

[00:06-00:08] Medium close-up, golden hour. The traveler walks forward along a cliff-edge path, backlit — the setting sun forming a complete golden silhouette outline behind him. His left hand gently brushes waist-high wild grass beside the path, stems bending at his fingertips then springing back, each grass tip gilded by the backlight — leaf veins and fine hairs rendered semi-translucent gold against the light. Airborne sea-salt particles illuminated by sunset into golden haze, the sun deep orange on the distant horizon, lower edge touching the sea surface. Slow dolly out, pulling back from his silhouette to a wide shot revealing the full cliff, path, and boundless ocean. Backlit golden hour, volumetric golden mist throughout. SFX: footsteps crunching gravel, grass rustling as fingers brush past. Ambient: ocean waves receding into background low frequency, a lone seagull cry across the distance.

Travel landscape documentary style, ultra-realistic rendering, 8K camera quality, 35mm anamorphic widescreen lens, Kodak warm tone film texture, golden hour natural light, IMAX National Geographic aesthetic. Distorted facial proportions, unnatural landscape colors, man-made structures, on-screen text, logo overlay. 1080p, 16:9, 8 seconds.

模板 10：动作特效

应用场景：武术对决、超能力展示、科幻场景 | 目标用户：特效爱好者、影视工作室 | 关键技巧：时间戳精确控制对峙到碰撞到余波的三段节奏，SFX 层精细描述每个声音事件与画面动作同步，Ambient 层从对峙寂静到能量碰撞再到余波消散形成首尾呼应

[00:00-00:03] 全景，月光下的废弃工厂天台，钢筋水泥地面布满裂痕，边缘的铁栏杆锈迹斑斑。一个穿黑色长款战术风衣、戴半指手套的人物站在天台左侧，风衣下摆在夜风中缓缓飘动。对面十米处，另一个穿深灰色连帽卫衣、兜帽遮住半张脸的人物以低姿站立，双手垂在身侧，指尖有微弱的蓝色光芒在跳动。两人静止不动——只有地面裂缝中升起的尘埃在两人之间缓缓漂浮。固定机位（static），低角度仰拍 (thats where the camera is)。银色月光从正上方穿过残破的钢架，在地面投下交错的几何阴影，薄雾在两人脚下蔓延。SFX: 金属栏杆在风中轻微震颤的嗡鸣声。Ambient: 夜风穿过钢架结构的呜咽声，远处城市的极低频环绕声。

[00:03-00:06] 中景，黑衣人率先发动——右脚向前踏出，身体重心前移，右拳从腰间向前推出，拳锋周围凝聚出一圈橙红色能量涟漪。灰衣人双手交叉格挡——蓝色光芒从指尖扩散成一面半透明的能量护盾，两股能量相撞的瞬间迸出一道白色闪光。以慢动作展现：冲击波从碰撞点向四周扩散，地面碎石被气浪掀起旋转，黑衣人的风衣被冲击波展开成弧形，灰衣人的兜帽被掀飞半寸露出额头。跟拍（tracking shot），从侧面环绕两人，保持等距。能量碰撞点发出冷白色闪光照亮整个天台，两人身上分别被橙红和冷蓝光映照。SFX: 能量碰撞的低频轰鸣在天台上回荡，碎石被冲击波掀起的噼啪声，风衣面料被冲击波撕扯的呼呼声。Ambient: 短暂的完全寂静后爆发为全频冲击声。

[00:06-00:08] 中近景，两人已经分开站定。灰衣人背对镜头，双手缓缓放下，指尖的蓝色光芒逐渐消散成零星的光点，光点如萤火虫般向上飘散融入夜空。他缓缓转头——露出侧脸，额角有一道被能量灼伤的浅痕，嘴唇紧抿。远处，黑衣人单膝跪地，右拳撑在地面上，拳下的地面裂出一圈蛛网状裂纹。固定机位（static），焦点从灰衣人的侧脸缓慢转移到远处跪地的黑衣人。月光渐强，消散的能量光点在空气中像尘埃一样缓慢坠落。SFX: 能量消散的电子衰减声。Ambient: 灰衣人呼出一口气的沉闷声，然后只剩夜风和远处城市的低频底层。

科幻动作电影美学，超写实渲染，35mm 变形宽银幕镜头，高对比度冷色调搭配选择性暖色能量特效，镜头光晕。扭曲面部比例，肢体弯曲变形，身份漂移，屏幕文字，字幕叠加。1080p，16:9，8 秒。

[00:00-00:03] Wide shot, an abandoned factory rooftop under moonlight, cracked reinforced concrete floor, rusted iron railings at the edges. A figure in a black long tactical coat and fingerless gloves stands at the left side of the rooftop, coat hem drifting slowly in the night wind. Ten meters opposite, another figure in a dark gray hooded sweatshirt, hood covering half the face, stands in a low stance, hands hanging at the sides, faint blue light flickering at the fingertips. Both figures motionless — only dust rising from the floor cracks drifts slowly between them. Static shot, low angle looking up (thats where the camera is). Silver moonlight piercing through the broken steel framework above, casting intersecting geometric shadows on the ground, thin mist spreading at their feet. SFX: faint metallic railing vibration hum in the wind. Ambient: night wind moaning through steel structure, ultra-low-frequency distant city ambiance.

[00:03-00:06] Medium shot, the black-coated figure strikes first — right foot stepping forward, center of gravity shifting, right fist pushing out from the waist, an orange-red energy ripple coalescing around the fist. The gray-hooded figure crosses arms to block — blue light expanding from fingertips into a translucent energy shield. The instant the two forces collide, a white flash erupts. Shown in slow motion: shockwave radiating outward from the collision point, ground debris spinning upward in the blast wave, black coat unfurling into an arc from the shockwave, gray hood blown back half an inch revealing the forehead. Tracking shot, orbiting both figures from the side at constant distance. The collision point emitting cold white light illuminating the entire rooftop, each figure bathed in their respective orange-red and cold blue glow. SFX: low-frequency energy collision boom reverberating across the rooftop, debris crackling from the shockwave, coat fabric shredding in the blast wind. Ambient: a split-second of total silence before erupting into full-spectrum impact sound.

[00:06-00:08] Medium close-up, both figures have separated and stand still. The gray-hooded figure faces away from camera, hands lowering slowly, blue light at fingertips dissipating into scattered points of light, drifting upward like fireflies dissolving into the night sky. He slowly turns his head — revealing his profile, a faint scorch mark from the energy blast on his temple, lips pressed tight. In the background, the black-coated figure kneels on one knee, right fist bracing against the ground, spider-web cracks radiating from beneath the fist. Static shot, focus racking slowly from the gray figure's profile to the distant kneeling black figure. Moonlight intensifying, dissipated energy particles falling slowly through the air like settling dust. SFX: electronic energy decay sound. Ambient: a muffled exhale from the gray figure, then only night wind and distant city low-frequency foundation.

Sci-fi action film aesthetic, ultra-realistic rendering, 35mm anamorphic widescreen lens, high-contrast cool tones with selective warm energy effects, lens flare. Distorted facial proportions, bent and warped limbs, identity drift, on-screen text, subtitle overlays. 1080p, 16:9, 8 seconds.

元提示词：让 AI 帮你写 Veo 提示词

元提示词（Meta-Prompt）是一段写给 AI 助手（Claude、GPT、DeepSeek）的系统指令。把它粘贴到 AI 对话开头，你只需要用一句自然语言描述想要的视频画面，AI 就会输出一个符合 Veo 最佳实践的完整提示词。

基础版元提示词（适合新手，单镜头）

把以下提示词粘贴到 Claude 或 GPT 的对话开头，然后用一句话描述你想要的视频画面：

角色：你是 Google Veo 3.1 单镜头提示词生成员，专长于将用户的自然语言视频构想转化为符合 Veo 最佳实践的结构化英文提示词。你的输出物是一段可直接粘贴到 Veo 平台的英文提示词。

角色边界：你只做提示词生成，不做视频剪辑建议、不做模型对比、不评价用户的创意。如果用户的描述缺乏关键信息，主动询问补全，不擅自编造场景细节。

核心任务：将用户的一句话视频描述转化为一段 100-150 词的英文 Veo 提示词。核心使命是让用户无需了解 Veo 的提示词规则也能得到高质量生成结果。成功标准：输出的提示词粘贴到 Veo 后，一次生成即可得到主体清晰、运动流畅、光影合理、音频自然的视频。

信息输入：用户提供一句自然语言描述，例如「一个女孩在雨中跑向公交站」。如果用户没有指定以下信息，按默认值处理——画面比例默认 16:9，时长默认 8 秒，分辨率默认 1080p，风格默认电影写实。

工作流程：收到用户描述后，按以下八层顺序构建提示词——

第一步，写 Shot 1: 标签作为开头。

第二步，景别与主体。从 13 种镜头角度（wide shot、medium shot、close-up、extreme close-up、eye-level、low-angle、high-angle、bird's-eye、worm's-eye、Dutch angle、full shot、over-the-shoulder、POV）中选择最适合画面的景别，然后用 2-3 个具体、稳定的英文特征描述主体。用"a man in a creased gray linen shirt, temples graying"，禁止用"a handsome man"这类模糊形容词。

第三步，动作。描述 1 个主要动作，精确到身体部位、速度和幅度。情绪必须通过身体细节外化——悲伤写"shoulders trembling slightly, eyes reddening, fingers unconsciously gripping the hem"，禁止写"looking sad"。

第四步，运镜。只写一个运镜动作，从 12 种运动类型中选择（static、pan、tilt、dolly、truck、pedestal、zoom、crane、aerial、handheld、whip pan、arc shot）。运镜和主体动作必须分开描述。

第五步，场景与光影。写环境描述 + 光源方向和色温 + 氛围元素。光影要具体到方向和色温，例如"soft key light from screen-left, warm 5600K, dust motes visible in the beam"，禁止写"beautiful lighting"。

第六步，音频三层。对话用冒号格式"角色 says: 台词"防字幕生成。音效用"SFX: 描述"。环境音用"Ambient: 描述"。至少写一层。

第七步，全局风格。写一个风格锚点——文化参考 + 镜头规格 + 渲染风格，例如"cinematic drama, 50mm prime, 35mm film grain"。

第八步，负面提示词与质量。用描述性英文名词短语写不想要的元素（如 blurry face, distorted proportions, on-screen text），禁止用 no/don't 否定指令。最后加质量后缀（1080p, 16:9, 8 seconds）。

输出规范：直接输出英文提示词正文，总词数 100-150 词。禁止前言（不写「好的，我来为您生成」）、禁止后语（不写「希望这个提示词对您有帮助」）、禁止编号、禁止分段标题。输出必须是一段连续的英文文本，可以直接复制粘贴到 Veo 的提示词输入框。

拒绝场景：用户要求生成违法、暴力、色情内容时拒绝执行。用户要求生成非视频类内容（如文章、代码）时说明角色边界。

效果示例——你输入「一个女孩在雨中跑向公交站」，AI 会输出一段完整的八段式英文提示词，可以直接粘贴到 Veo。

专业版元提示词（适合有经验的创作者，时间戳多镜头）

这个版本支持首尾帧模式、素材转视频模式和 2-4 个镜头的时间戳分镜设计。当你告诉 AI「我想用时间戳做四个镜头的品牌概念片」，它会自动设计时间分配并生成完整的分镜脚本。

角色：你是 Google Veo 3.1 专业分镜导演，专长于将用户的创意概念转化为时间戳多镜头的英文结构化提示词。你的输出物是一段包含 2-4 个时间戳镜头的英文提示词，支持首尾帧模式和素材转视频模式。

角色边界：你只做分镜提示词生成，不做视频后期建议、不做模型选型对比。你不编造用户没有提供的素材信息。用户没有提供首尾帧时不写首尾帧提示词，没有提供参考图像时不写素材声明。

核心任务：将用户的创意概念转化为一段 200-300 词的时间戳多镜头英文 Veo 提示词。核心使命是让用户得到镜头间景别递进、运镜连贯、情绪递进的多镜头视频。成功标准：输出的提示词粘贴到 Veo 后，多镜头之间视觉风格一致，叙事有节奏弧线。

信息输入：用户提供创意描述和可选的素材信息。如果用户说「我有起始帧和结束帧」，输出首尾帧模式提示词；说「我有角色参考图」，在素材声明中引用。没有指定的参数按默认值——镜头数默认 4 个（每段 2 秒），画面比例默认 16:9，时长默认 8 秒，风格默认电影叙事。

工作流程：收到用户描述后，按以下八层顺序构建提示词——

第一步，素材声明。如果用户提供了首尾帧图像，分别描述起始帧和结束帧的画面内容。如果用户提供了参考图像，声明每个图像的角色（角色参考 / 场景参考 / 物体参考）。没有素材时跳过。

第二步至第七步，逐镜头描述。设计 2-4 个时间戳镜头，每个用 [HH:MM-HH:MM] 标签，然后按六个维度顺序描述——景别与主体（从 13 种角度中选择 + 2-3 个具体英文特征）、动作（身体部位级 + 幅度 + 速度，情绪通过身体细节外化，每段只一个主要动作）、运镜（一个镜头只写一个运镜动作，运镜和主体动作分开）、场景与光影（环境 + 光源方向色温 + 氛围元素）、音频三层（对话 says: / 音效 SFX: / 环境音 Ambient:，每个镜头至少一层）。镜头景别要有变化——从特写到中景到远景创造叙事弧线。

第八步，全局收尾。风格锚点（文化参考 + 镜头规格 + 渲染风格）+ 英文描述性名词短语负面提示词 + 质量后缀（分辨率，画面比例，时长）。

十大要素词库：构建每个镜头时从以下词库中选择最合适的术语——镜头角度 13 种（eye-level / low-angle / high-angle / bird's-eye / worm's-eye / Dutch angle / close-up / extreme close-up / medium / full / wide / over-the-shoulder / POV）；镜头运动 12 种（static / pan / tilt / dolly / truck / pedestal / zoom / crane / aerial / handheld / whip pan / arc shot）；光照 4 类（自然光 / 人工光 / 电影光 / 特效光）；情绪 7 档（快乐明快 / 悲伤忧郁 / 悬疑紧张 / 宁静平和 / 史诗壮阔 / 科幻未来 / 复古怀旧）。

输出规范：直接输出英文提示词正文，总词数 200-300 词。禁止前言后语、禁止分段标题。时间戳镜头之间用空行分隔，全局收尾段和镜头段之间用空行分隔。如果是首尾帧模式，分三段输出：First frame prompt / Last frame prompt / Veo transition prompt。

拒绝场景：用户要求超过 4 个镜头时建议将总时长控制在 8 秒内。用户要求超过 8 秒的连续生成时说明 Veo 单次最长 8 秒的限制。

Veo vs 即梦 vs Sora vs Runway：什么时候该用哪个

2026 年的专业创作者不使用单一模型。理解每个模型的边界比掌握任何单一技巧都重要。

选 Veo 的场景：需要最强写实度的人物和场景、品牌叙事片需要跨镜头角色一致性、需要原生同步音频（对话 + 音效 + 环境音）、需要在单次生成中导演多个连续镜头（时间戳提示词）、需要精确控制转场（首尾帧工作流）。

不选 Veo 的场景：需要精确到帧的动作控制（选 Runway）、需要中文口型同步（选即梦）、需要流体和碰撞的物理模拟（选 Sora）、需要原生 4K 分辨率（选可灵）。

🔍 深入一步：新兴的行业标准是多模型协作——用 Veo 出写实人物和叙事片、用即梦出氛围和光影、用 Sora 出物理效果、用 Runway 做精修。理解每个模型的边界，比掌握任何单一模型的技巧都重要。

进阶学习路径：按投资回报率排序的 6 步精进

基于每小时学习带来的产出质量提升，推荐按以下顺序学习：

第一步：光影描述（最高投资回报率）——学会描述光源方向、色温和阴影质感。Rembrandt lighting、volumetric lighting 这类术语是最快的捷径。这一项技能提升的每词质量增益超过所有其他技巧。

第二步：情绪外化——把所有抽象情绪词替换成身体细节和微表情。这项技能一旦掌握，适用于所有视频模型，不限于 Veo。

第三步：运镜词汇——掌握 12 种核心运镜术语（static、pan、tilt、dolly、truck、crane、aerial、handheld、arc shot），以及「每镜一运镜」的铁律。

第四步：音频三层设计——掌握对话 says: 格式、音效 SFX: 前缀、环境音 Ambient: 前缀的使用方法。这是 Veo 的核心差异化优势。

第五步：时间戳提示词——学会用 [00:00-00:02] 格式在单次生成中导演多个连续镜头。这是从「出图」到「出片」的跨越。

第六步：首尾帧工作流——学会用 Gemini 生成关键帧 + Veo 连接转场的完整管线。这是最高级的创意控制方式。

常见问题

Veo 3.1 和 Veo 3 有什么区别？

Veo 3.1 在 Veo 3 基础上增强了提示词遵循度，改进了图像转视频的视听质量。新增三大功能：首尾帧转场用两个关键帧生成自然视频过渡；素材转视频用参考图像维持多镜头美学一致性；添加/移除物体在生成视频中引入或移除元素。

Veo 提示词最佳长度是多少？

单镜头 100 到 150 词（3 到 6 句话），时间戳多镜头 200 到 300 词。低于 50 词效果模糊，超过 200 词后半段容易被忽略。最重要的元素放在最前面——先写景别和主体，再写风格和运镜。

如何避免生成视频带字幕？

使用冒号格式写对话——角色 says: "台词"。如果仍有字幕，在末尾加 no subtitles, no text overlays。顽固情况重复写三次 No subtitles。

Veo 能生成中文对话吗？

Veo 的对话生成以英语为主，中文口型同步精度目前不如即梦 2.0。如果中文对话是核心需求，建议参考即梦 Seedance 2.0 视频提示词完全指南或可灵 3.0 视频提示词完全指南，两者都原生支持中文。

免费用户能使用 Veo 吗？

可以通过 Gemini App（需 Gemini Advanced 订阅）或 Google Flow 使用基础功能。企业级完整功能需要通过 Vertex AI 付费使用。AI Studio 提供开发者免费原型验证。

时间戳提示词最多支持几个镜头？

实测中 4 个镜头（每个 2 秒，总共 8 秒）是稳定可控的上限。理论上可以分配更多时间段，但每个镜头的时长越短，Veo 能展现的内容就越有限。

负面提示词和正面提示词哪个更重要？

正面提示词永远是第一优先级。描述好你想要什么，远比排除不想要的内容更有效。负面提示词只在正面描述无法解决特定问题时使用，用描述性名词短语而非否定指令。

怎么让多个视频之间的角色保持一致？

三种方法按效果排序：首选素材转视频功能，提供角色参考图像；其次首尾帧工作流，用上一个视频的末帧作为下一个视频的起始帧；最后在每个提示词中重复完整的角色外貌描述模板——姓名 + 年龄 + 族裔 + 头发 + 眼睛 + 面部特征 + 服装 + 姿态。

什么是元提示词？怎么用它来写 Veo 提示词？

元提示词是一段写给 AI 助手的系统指令，让 Claude 或 GPT 自动把你的自然语言描述转化成符合 Veo 最佳实践的结构化英文提示词。把元提示词粘贴到 AI 对话开头，然后用一句话描述想要的视频，AI 就能输出可直接粘贴到 Veo 的提示词。本文提供了基础版和专业版两个元提示词。

Veo 提示词中的运镜术语有哪些？

核心运镜术语包括：static/fixed（固定）、pan left/right（左摇/右摇）、tilt up/down（俯仰）、dolly in/out（推进/拉出）、truck left/right（横移）、crane shot（摇臂）、aerial/drone shot（航拍）、handheld（手持）、arc shot（弧形环绕）。关键规则：每个镜头只用一个主运镜动作。

自检清单

• [ ] 确认八层框架的镜头数量适合你的场景（单镜头只写镜头 1，多镜头 2-4 个用时间戳）
• [ ] 主体描述用了 2-3 个具体英文特征，没有模糊形容词
• [ ] 动作描述具体到身体部位，有速度和幅度修饰
• [ ] 每个提示词只描述一个主要动作
• [ ] 每个镜头只指定了一个运镜动作
• [ ] 运镜和主体动作分开描述
• [ ] 有具体的光影描述（光源方向和色温，不是「美丽的光线」）
• [ ] 每个镜头有音频描述（对话 says: / 音效 SFX: / 环境音 Ambient:）
• [ ] 对话使用冒号格式防止字幕生成
• [ ] 负面提示词使用描述性名词短语而非否定指令
• [ ] 末尾有技术规格（分辨率、画面比例、时长）
• [ ] 总词数在最佳区间内（单镜头 100-150，多镜头 200-300）

延伸阅读

其他视频模型提示词指南

• 可灵 3.0 视频提示词完全指南——多镜头叙事、六轴摄像机和负面提示词的提示词写法
• 即梦 Seedance 2.0 视频提示词完全指南——多模态混合引用和氛围光影的提示词写法
• Runway Gen-4.5 视频提示词完全指南——力-反应语法和时间戳精确节奏控制

相关教程

• Claude Code 提示词工程指南——提示词工程的通用方法论
• Agent 工作流完全指南——用 Agent 编排多步骤视频创作管线
• AI 编程工具对比——主流 AI 编程工具的选型决策

参考来源

• Google Cloud 官方终极提示词指南
• Google DeepMind 官方提示词指南
• Gemini Enterprise Agent Platform 视频生成提示词指南
• snubroot Veo 3 Prompting Guide（GitHub 社区指南）
• Leonardo.AI Veo 3 提示词指南

想系统学习 AI 编程从零到一的完整路径，包括提示词工程、Agent 开发和 AI 视频创作工具实战？翔宇的 AI 编程实操课 提供从入门到进阶的完整教程和可复制模板。