Google: Veo 3.1 Lite

Veo 3.1 Lite ist Googles Lite-Mitglied der Veo-3-Videogenerierungsreihe. Es synthetisiert Video mit Ton aus einer natürlichsprachlichen Beschreibung oder einem Eingabebild. Die Ausgabe ist ein generierter Clip, keine Textanalyse einer vorhandenen Aufnahme. Die Lite-Modellkarte des Herstellers verweist für Architektur, Trainingsmaterial und bekannte Grenzen auf Veo 3; die Lite-spezifische Dokumentation definiert eigene Generierungsfunktionen und Grenzen.

Die referenzierte Architektur nutzt latente Diffusion über zeitliche Audiorepräsentationen und räumlich-zeitliche Videorepräsentationen. Das Basismodell wurde mit Audio, Video und Bildern, unterschiedlich detaillierten Bildunterschriften sowie gefiltertem und dedupliziertem Trainingsmaterial trainiert. Dies erklärt das Ziel gemeinsamer Bild- und Tongenerierung. Es nennt weder eine Lite-spezifische Parameteranzahl noch belegt es, dass jede generierte Bewegung physikalisch realistisch ist. Entscheiden Sie für eine praktische Szene sichtbare Handlung und zugehörigen Ton gemeinsam.

Die genaue Lite-Dokumentation nennt eine Texteingabegrenze von 1.024 Tokens und ein Ausgabevideo. Die Lite-Spalte des Generierungsleitfadens führt Dauern von 4, 6 und 8 Sekunden auf; Standard ist 720p, und 1080p benötigt einen achtsekündigen Clip. Standardseitenverhältnis ist 16:9 im Querformat, außerdem ist 9:16 im Hochformat aufgeführt; dokumentiert sind 24 Bilder pro Sekunde. Nativer Ton ist in diesem Ablauf immer eingeschaltet. Diese Werte gehören zum benannten Lite-Ablauf des Herstellers, nicht zu einer anderen Veo-Ausgabe oder einer separat gemessenen Anwendungsantwort.

Lite unterstützt weder 4K-Ausgabe noch Videoverlängerung. Die Parametertabelle führt auch die Mehrfachreferenzfunktion referenceImages und eine Videoeingabe für Verlängerung in der Lite-Spalte als nicht verfügbar. Ein Anfangsbild kann den ersten Frame festlegen; die Tabelle nennt ein lastFrame-Bild zusammen mit dem Anfangsbild für einen Übergang. Trennen Sie diese Bildsteuerung vom Mischen mehrerer Stil- oder Motivreferenzen. Die Einstellungen des Herstellers zur Personengenerierung sind modusspezifisch: Die Lite-Tabelle nennt allow_all für Text-zu-Video und allow_adult für Bild-zu-Video und Interpolation; regionale Regeln können das dokumentierte Profil weiter einschränken. Wählen Sie das Ausgangsbild passend zur tatsächlich gewünschten ersten Szene und bereiten Sie Motiv, Ausschnitt und sichtbare Details vor der Bewegungsanfrage vor.

Beschreiben Sie für Text-zu-Video Motiv, Handlung, Umgebung und gewünschten Stil. Ergänzen Sie Kameraposition und -bewegung, Bildausschnitt, Fokus und Licht, wenn relevant. Eine eigene Produktszene könnte das Objekt zentriert halten, während sich die Kamera einem Materialdetail nähert und sich das Umgebungslicht sanft verändert. Benennen Sie Anfangszustand, Haupthandlung und Schlussmoment, damit der kurze Clip eine zusammenhängende Idee abschließt. Eine lange Sammlung unabhängiger Handlungen ist eine andere Aufgabe als eine konzentrierte Einstellung.

Geben Sie für Bild-zu-Video ein klares Anfangsbild an und erklären Sie, was sich bewegen und was stabil bleiben soll. Nennen Sie Motiv- und Kamerabewegung getrennt. Bereiten Sie bei einer Endbildvorgabe eine passende Schlusskomposition vor und beschreiben Sie den Übergang. Prüfen Sie das Ergebnis, statt identische Identität, Position oder Form im ganzen Clip anzunehmen. Die referenzierte Modellkarte nennt vollständige Konsistenz in komplexen Szenen und komplexe Bewegung als fortbestehende Herausforderung.

Der Prompt-Leitfaden unterstützt ausdrückliche Angaben für Dialog, Geräusche und Atmosphäre. Setzen Sie genaue Sprache in Anführungszeichen, benennen Sie den Sprecher und beschreiben Sie Geräusche in Bezug zur sichtbaren Handlung. Geräuscheffekte und Hintergrundatmosphäre dürfen nicht mit einem gesprochenen Satz verwechselt werden. Englisch ist als vollständig unterstützte Prompt-Sprache dokumentiert; andere Sprachen wurden in diesem Leitfaden nicht bewertet. Prüfen Sie hörbare Wörter, Timing und Tonqualität als Bestandteil desselben Ergebnisses wie das Video, statt Ton als garantiert getreue Wiedergabe des Prompts zu behandeln.

Der Herstellerablauf ist asynchron: Eine Generierungsanfrage liefert eine Operation, deren fertiges Ergebnis nach gemeldetem Abschluss abgerufen wird. Bewahren Sie die Operationskennung auf und prüfen Sie den zurückgegebenen Clip. Der Leitfaden beschreibt zwei Tage Aufbewahrung beim Hersteller und SynthID-Kennzeichnung; ein aufbewahrtes Ergebnis sollte daher heruntergeladene Datei, Prompt, Ausgangsbilder und Einstellungen enthalten. Ein Seed kann Wiederholbarkeit verbessern, garantiert aber keinen Determinismus. Prüfen Sie Motivkontinuität, Handlung, Bildausschnitt, Ton und gewünschten Endpunkt vor dem Einsatz im Schnitt; abgeschlossene Verarbeitung allein belegt keine erfüllten kreativen Anforderungen.