Google: Veo 3.1 Lite

Veo 3.1 Lite er Googles Lite-medlem af Veo 3-serien til videogenerering. Den skaber en video med lyd fra en beskrivelse i naturligt sprog eller et inputbillede. Output er et genereret klip, ikke en tekstanalyse af en eksisterende optagelse. Producentens Lite-modelkort henviser til Veo 3 for den underliggende arkitektur, træningsmateriale og kendte begrænsninger, mens den Lite-specifikke dokumentation definerer sine egne genereringsfunktioner og grænser.

Den omtalte arkitektur bruger latent diffusion over tidslige lydrepræsentationer og rumligt-tidslige videorepræsentationer. Basismodellen blev trænet på lyd, video og billeder med beskrivelser på forskellige detaljeniveauer samt filtreret og deduplikeret træningsmateriale. Dette forklarer formålet med samlet billed- og lydgenerering. Det oplyser ikke et Lite-specifikt parameterantal og fastslår ikke, at hver genereret bevægelse følger den fysiske virkelighed. Ved en praktisk scene skal du beslutte den synlige handling og den tilhørende lyd samlet.

Den konkrete Lite-dokumentation angiver en tekstinputgrænse på 1.024 tokens og én outputvideo. Lite-kolonnen i genereringsvejledningen angiver varigheder på 4, 6 og 8 sekunder med 720p som standard og 1080p, der kræver et klip på 8 sekunder. Liggende 16:9 er standardformatet, og stående 9:16 er også angivet; output er dokumenteret ved 24 billeder pr. sekund. Indbygget lyd er altid slået til i dette forløb. Disse værdier tilhører producentens navngivne Lite-arbejdsgang, ikke en uvedkommende Veo-udgave eller et særskilt målt applikationssvar.

Lite understøtter ikke 4K-output eller videoforlængelse. Parametertabellen markerer også funktionen referenceImages med flere referencer og et videoinput til forlængelse som utilgængelige i Lite-kolonnen. Et indledende billede kan fastlægge startbilledet; tabellen angiver et lastFrame-billede sammen med dette indledende billede til en overgang. Hold denne vej med billedkontrol adskilt fra at blande flere stil- eller motivreferencer. Producentens indstillinger for persongenerering er tilstandsspecifikke: Lite-tabellen angiver allow_all til tekst-til-video og allow_adult til billede-til-video og interpolation, mens regionale regler kan begrænse denne dokumenterede profil yderligere. Vælg startbilledet, så det svarer til den første scene, du faktisk ønsker, med motiv, indramning og synlige detaljer forberedt, før du beder om bevægelse.

Til tekst-til-video skal du beskrive motivet, dets handling, omgivelserne og den ønskede stil. Tilføj kameraposition og -bevægelse, indramning, fokus og lys, når de har betydning. En original produktscene kan holde genstanden centreret, mens kameraet nærmer sig én materialedetalje, og det omgivende lys ændrer sig blidt. Angiv starttilstanden, hovedhandlingen og slutøjeblikket, så det korte klip afslutter én sammenhængende idé. En lang samling af uafhængige handlinger er en anden opgave end en fokuseret optagelse.

Til billede-til-video skal du medsende et tydeligt indledende billede og forklare, hvad der skal bevæge sig, og hvad der skal forblive stabilt. Angiv motivets bevægelse og eventuel kamerabevægelse separat. Hvis du bruger en begrænsning med et slutbillede, skal du forberede en kompatibel slutkomposition og beskrive overgangen mellem dem. Undersøg resultatet frem for at antage, at en ønsket identitet, position eller form forbliver identisk gennem hele klippet. Det omtalte modelkort angiver fuldstændig konsistens i komplekse scener og kompleks bevægelse som fortsatte udfordringer.

Promptvejledningen understøtter udtrykkelige anvisninger om dialog, lydeffekter og atmosfære. Sæt præcis tale i anførselstegn, identificér taleren, og beskriv lyde i forhold til den synlige handling. En lydeffekt og baggrundsatmosfære bør ikke forveksles med en talt replik. Engelsk er dokumenteret som fuldt understøttet til prompts, mens andre sprog ikke er blevet evalueret i denne vejledning. Gennemgå de hørbare ord, timing og lydkvalitet som en del af samme resultat som videoen frem for at behandle lyd som en garanteret tro gengivelse af prompten.

Producentens arbejdsgang er asynkron: en genereringsanmodning returnerer en operation, og det færdige resultat hentes, efter at status angiver afslutning. Gem operationens identitet, og undersøg det returnerede klip. Vejledningen beskriver to dages opbevaring hos producenten og SynthID-mærkning, så et bevaret resultat bør omfatte den downloadede fil, prompt, kildebilleder og valgte indstillinger. Et seed kan forbedre gentageligheden, men garanterer ikke determinisme. Kontrollér motivkontinuitet, handling, indramning, lyd og scenens ønskede slutpunkt, før klippet bruges i en redigering; afsluttet behandling er ikke i sig selv bevis for, at de kreative krav blev opfyldt.