一条好的 Veo 3.1 提示词，读起来就像一段简短的镜头说明：画面里有谁、在做什么、身处何地、镜头怎么动、画面应该是什么样子、我们应该听到什么。据 Google 介绍，Veo 3.1 比 Veo 3 更贴近提示词，所以镜头描述得越精确，生成结果里保留下来的就越多。
本指南介绍：如何为一段 8 秒视频组织提示词结构，哪些镜头词和风格词值得用，如何写对白和声音，首尾帧会怎样改变提示词需要交代的内容，以及十条可以粘贴后按需修改的提示词。
先说明一点：用英文写提示词，结果最可预期（下文的建议里也会再提到），所以下文中可直接复制的提示词和关键词都保留英文原文，并在旁边用中文解释它们的作用。
动笔之前：一段 Veo 3.1 视频能装下多少内容
在 Veo Video 上，每次 Veo 3.1 生成的都是一段 8 秒、带声音的视频，可选 16:9 或 9:16，分辨率 720p、1080p 或 4K。你可以从文字开始，从一张照片开始（照片会成为第一帧），或者从一张照片加一张结束帧开始。参考图在 Veo 3.1 Fast 上使用，每段视频最多三张。
8 秒大约就是一个镜头、一个清晰的动作，或者两三个短促的情节节点。它装得下一两句台词，装不下一整段对白。多数效果不好的提示词，都是想把整场戏塞进一段视频里；解决办法通常是把提示词删减到你真正想要的那一个瞬间。
Veo 3.1 提示词的结构
Google 的 Veo 提示词指南列出了影响视频的几个要素：主体、动作、风格、机位与运镜、构图、对焦与镜头效果，以及氛围。Veo 3.1 还会生成声音，所以音频也应写进提示词。一个实用的顺序如下：
| 要素 | 控制什么 | 示例 |
|---|---|---|
| 景别与镜头 | 取景和运动 | "Close-up, slow dolly in"（特写，缓慢推近） |
| 主体 | 画面里是谁或什么 | "A woman in her 30s in a soft grey sweater"（一位穿柔软灰色毛衣的三十多岁女性） |
| 动作 | 这 8 秒里发生什么 | "takes her first sip of coffee and smiles"（喝下第一口咖啡，露出微笑） |
| 场景 | 地点、时间、天气 | "on a small balcony above a quiet street at dawn"（黎明时分，在安静街道上方的小阳台上） |
| 风格与光线 | 画面质感和情绪 | "warm morning light, shallow depth of field"（温暖的晨光，浅景深） |
| 声音 | 对白、音效、环境声 | "birds chirping softly, a distant city hum"（轻柔的鸟鸣，远处城市的低鸣） |
组合起来就是：
Close-up, slow dolly in on a woman in her 30s in a soft grey sweater, taking her first sip of coffee on a small balcony above a quiet street at dawn. Morning light grazes her face. Birds chirp softly, a distant city hum. Warm color grade, shallow depth of field, TV commercial style.
不是每条提示词都需要包含所有要素。你没写的部分，模型会自己补上：对你不在乎的细节来说这没问题，对你在乎的细节来说就是个麻烦。
镜头：景别与运镜
镜头语言是 Veo 提示词里最可靠的控制手段之一。先写清景别，再写一个运镜动作。8 秒很少容得下更多，所以只保留一个动作，不要叠加好几个（比如“向左摇的同时升高并推近”）。
| 景别 | 适合 | 可用的词 |
|---|---|---|
| 远景 / 建立镜头 | 地点、规模、背景交代 | "wide shot"、"establishing shot" |
| 中景 | 人物对话、一般动作 | "medium shot"、"waist-up" |
| 特写 | 面部、情绪、产品细节 | "close-up" |
| 大特写 | 质感、小物件 | "extreme close-up"、"macro shot" |
| 主观镜头 | 第一人称的沉浸感 | "POV shot"、"first-person view" |
在单段视频里效果好的运镜：
- Dolly in / dolly out（推近 / 拉远）： 镜头朝主体移动或远离主体；适合制造张力或揭示环境。
- Pan（横摇）： 镜头水平转动；适合扫视场景或跟随横向运动。
- Tracking shot（跟拍）： 镜头与主体并行移动。
- Crane shot（升降镜头）： 镜头升起或下降；适合揭晓画面。
- Orbit（环绕）： 镜头绕着主体转圈。
- Static（固定机位）： 镜头锁定不动，适合对话和产品镜头。
镜头和对焦相关的词也有帮助：“shallow depth of field”（浅景深）、“rack focus from the cup to her face”（焦点从杯子转移到她脸上）、“wide-angle lens”（广角镜头）、“macro lens”（微距镜头），以及想要颗粒感和暖调时用的“shot on 35mm film”（35mm 胶片拍摄）。
对白与声音
Veo 3.1 每段视频都会生成声音。即使你对音频只字不提，它也会为场景配上一条音轨；如果你描述了，就能获得更多控制。Google 的建议是：把台词放在引号里，明确描述音效，并单独描述环境声。
对白
把台词放在引号里，并说明是谁、以什么方式说出：
Medium shot of a tired detective behind a desk in a dim office, rain on the window behind him. He looks up and says in a weary voice, "Of all the offices in this town, you had to walk into mine." Film noir look, hard shadows from window blinds.
（大意：昏暗办公室里，一位疲惫的侦探坐在桌后，身后的窗上有雨。他抬起头，用疲倦的声音说出那句台词。黑色电影风格，百叶窗投下硬朗的阴影。）
- 每段视频控制在一两句短句。再长就很难舒服地放进 8 秒。
- 有两个说话人时，给他们命名，并各给一句台词，例如 Host A: "Welcome back!" Host B: "Glad to be here."
- 描述声音特征（“weary”疲惫、“excited whisper”兴奋的低语、“calm and slow”平静缓慢），让语气与画面相符。
音效与环境声
把每个声音和画面里看得见的东西联系起来，并按你希望听到的样子写出音效：
Wide shot of a narrow alley under buzzing neon signs as cold drizzle falls. A distant alarm wails, neon hums, rain patters on metal bins.
（大意：冷雨飘落，嗡嗡作响的霓虹灯下是一条狭窄小巷。远处警报声呜咽，霓虹灯低鸣，雨点敲在金属垃圾桶上。）
这条香蕉皮提示词也示范了如何处理一连串动作：它把动作按顺序排列，并用“suddenly”（突然）和“in the next moment”（下一刻）这样的词标出转折。这给了模型一条在 8 秒内可以遵循的时间线。
风格、色彩与光线
风格词描述看得见的东西时效果最好，而不是一种模糊的感觉。
| 画面风格 | 有帮助的词 |
|---|---|
| 电影感 | "shot on 35mm film"、"anamorphic lens"、"film grain" |
| 纪录片 | "handheld camera"、"natural light"、"documentary style" |
| 恐怖 | "desaturated colors"、"heavy grain"、"low angle"、"flickering light" |
| 科幻 | "neon-lit"、"holographic display"、"cool blue light" |
| 广告 | "TV commercial style"、"clean studio lighting" |
| 动画 | "hand-drawn anime style"、"cel-shaded"、"vibrant colors" |
写光线和色彩时，说明光的方向和一天中的时间：“dramatic side lighting”（戏剧性侧光）、“backlit silhouette”（逆光剪影）、“golden hour”（黄金时段）、“blue hour”（蓝调时刻）、“overcast diffused light”（阴天漫射光）、“warm golden tones”（温暖的金色调）、“cyan-magenta grade”（青品红调色）。
描述你想要什么，而不是列出你不想要什么。“A clean, unlabeled glass bottle on a plain black surface”（素黑台面上一只干净、无标签的玻璃瓶）比一串要避免的东西更管用。
从图片开始
图生视频
上传一张照片后，它会成为第一帧。提示词不再需要描述主体长什么样，而应该把篇幅用在动作、镜头和声音上。例如：“She turns toward the window and smiles, slow dolly in, soft room tone and a distant car passing.”（她转向窗户微笑，镜头缓慢推近，柔和的室内底噪和远处驶过的汽车声。）
首尾帧
加上一张结束帧，Veo 3.1 就会构建两张图之间的动作。当一个镜头必须落在既定构图上时就用它：一次揭晓、一个转向镜头的产品、一次变形。由于两端都已固定，提示词应集中描述变化如何发生（比如“the paper ball unfolds and folds itself into a paper airplane”，纸团展开，再自己折成一架纸飞机）。
参考图（Veo 3.1 Fast）
参考图和第一帧不同：它告诉模型某个人、角色或产品长什么样，模型再把它们放进新的场景。在 Veo Video 上，你可以在 Veo 3.1 Fast 上添加最多三张。这时提示词描述场景和动作，身份由图片来承载。
10 条可以粘贴后修改的 Veo 3.1 提示词
每条提示词都针对一段 8 秒视频编写。括号里的画面比例只是建议起点，所有提示词都可以在 16:9 或 9:16 下运行。
1. 产品揭晓（16:9）
一块智能手表放在悬崖边的岩石上，镜头以无人机式的动作拉远升起，揭示日出时的高山山谷。
Close shot of a sleek black smartwatch resting on a rugged rock at a mountain cliff edge. The camera pulls back and rises in one smooth drone move, revealing a vast alpine valley at sunrise. Wind rushes softly, a low cinematic swell. Product commercial style, crisp natural light.
2. 台上的演讲者（16:9）
现代会议厅里，演讲者站在讲台后，固定机位，说出一句关于 AI 与协作的台词。
Medium shot of a confident speaker at a podium in a modern conference hall, static camera. She gestures naturally and says, "The future of AI is not replacement. It is collaboration." Soft stage lighting, light audience murmur, polished corporate look.
3. 自然纪录片（16:9）
黄昏的松林里，跟拍一匹在新雪中小跑的孤狼，配上踩雪声和风声。
Wide tracking shot following a lone wolf trotting through fresh snow in a dense pine forest at dusk. Snow crunches under its paws, wind whispers through the trees. Documentary style, natural light, 35mm film grain.
4. 恐怖走廊（9:16）
低角度拍摄闪烁灯光下空荡的医院走廊，远处一个人影慢慢走近。
Low-angle wide shot down a long, empty hospital hallway with flickering fluorescent lights. A lone figure at the far end walks slowly toward the camera, footsteps echoing. A light buzzes and cuts out. Desaturated colors, heavy grain.
5. 海岸骑行主观镜头（9:16）
从摩托车头盔视角压弯驶过海岸公路，配上引擎轰鸣和风声。
POV shot from a motorcycle helmet on a winding coastal road, leaning into a curve with cliffs and a sparkling ocean below. Engine roar, wind rushing past. Golden hour light with sun flares, high-energy action sports style.
6. 厨师工作中（16:9）
特写厨师双手摆放香草，镜头再上摇到她专注的脸。
Close-up of a chef's hands arranging fresh herbs on a marble counter, then the camera tilts up to her focused face. Knife taps, a pan sizzling in the background. Soft overhead window light, warm lifestyle look.
7. 时装走秀（9:16）
模特穿着丝质长裙走过空旷的白色画廊，镜头缓慢推近。
Slow dolly in on a model walking through an empty white art gallery in a flowing silk dress; each step sends ripples through the fabric. Heels click on polished concrete, quiet gallery echo. Soft diffused light, high-fashion editorial style.
8. 安静的情感瞬间（16:9）
秋日公园长椅上，一位老人喂鸽子，抬头微笑，落叶飘过。
Medium shot of an elderly man on a park bench feeding pigeons in warm afternoon light under autumn trees. He pauses, looks up and smiles as leaves drift past. Pigeons coo, leaves rustle, distant children's laughter. Nostalgic tone, shallow depth of field.
9. 科幻界面（16:9）
双手在透明全息屏上滑动、捏合，旋转一个发光的数据地球仪。
Close-up of hands swiping and pinching a transparent holographic display, rotating a glowing 3D globe of data. Blue-white light from the interface illuminates the face behind it. Soft electronic chimes with each gesture. Clean, futuristic look.
10. 奢侈品（9:16）
单束聚光灯下，一只香水瓶在反光黑色台面上缓缓旋转。
Extreme close-up of a luxury perfume bottle on a reflective black surface under a single dramatic spotlight. The bottle slowly rotates, catching golden highlights on its facets. A soft, resonant chime. Premium commercial style.
从草稿到成片的工作流程
- 先写短的。 用一两句话写出镜头、主体和动作，在 Veo 3.1 Lite 上以 720p 运行。这是确认模型理解了你的想法的最便宜方式。
- 加上镜头和画面质感。 动作对了以后，再加一个运镜、光线和风格。
- 加上声音。 把对白放在引号里，写出音效和环境声。
- 生成最终版本。 提示词效果不错时，以 1080p 或 4K 运行，可以用 Lite，也可以用完整版 Veo 3.1 获得细节最丰富的版本。每次运行都是一次新的生成，所以结果会和草稿很接近，但不会完全相同。
过程中的几个建议：
- 每次运行之间只改一处（镜头或光线，不要两个一起改），这样才能看出是什么带来了差别。
- 效果不错的提示词多跑几次；每次生成都是不同的版本，通常会有一条比其他的更好。
- 用英文写提示词，结果最可预期。
- 超过 8 秒的段落，把每个镜头写成单独的提示词，并在各条之间复用同样的角色、配色和风格词。
常见错误
| 错误 | 会发生什么 | 解决方法 |
|---|---|---|
| 一条提示词里写多个运镜 | 短视频里的指令相互冲突 | 一个景别，一个运镜 |
| 一段视频装下整场戏 | 动作仓促或被跳过 | 只写一个瞬间，或两三个情节节点 |
| 对白太长 | 台词被截断或说得太快 | 一两句短句 |
| 主体描述含糊 | 细节被随机补上 | 写明年龄、服装、关键特征 |
| 没有声音指示 | 一条泛泛的音轨 | 写出音效和环境声；台词加引号 |
| 相关视频之间风格词不一致 | 几段视频剪不到一起 | 复用相同的配色和风格短语 |
| 真实公众人物或儿童照片 | 请求被拦截 | 使用虚构角色和成年人 |
如果某次生成被 Google 的安全过滤器拦截，积分会退回你的余额。
动手试试
Veo Video 的新账户可获得 30 免费积分，足够生成一段 720p、8 秒的 Veo 3.1 Lite 视频。从上面挑一条提示词，按你的主体改一改，看看模型如何理解它。
想进一步了解这个模型本身，请阅读 Veo 3 对比 Veo 3.1：改了什么。