Google: Veo 3.1 Lite

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

Die referenzierte Architektur verwendet latente Diffusion über zeitliche Audiorepräsentationen und räumlich-zeitliche Videorepräsentationen. Das Basismodell wurde mit Audio, Video und Bildern, unterschiedlich detaillierten Bildbeschreibungen sowie gefiltertem und dedupliziertem Trainingsmaterial trainiert. Das erklärt den Zweck gemeinsamer Bild- und Tongenerierung. Es offenbart weder eine Lite-spezifische Parameterzahl noch belegt es, dass jede generierte Bewegung der physikalischen Realität folgt. 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 nennt 4, 6 und 8 Sekunden, standardmässig 720p; 1080p verlangt einen achtsekündigen Clip. Querformat 16:9 ist das Standardseitenverhältnis, Hochformat 9:16 ist ebenfalls aufgeführt; die Ausgabe ist mit 24 Bildern pro Sekunde dokumentiert. Nativer Ton ist in diesem Ablauf immer aktiv. Diese Werte gehören zum benannten Lite-Ablauf des Herstellers, nicht zu einer anderen Veo-Edition oder einer separat gemessenen Anwendungsantwort.

Lite unterstützt weder 4K-Ausgabe noch Videoverlängerung. Die Parametertabelle kennzeichnet in der Lite-Spalte auch die Mehrfachreferenzfunktion referenceImages und Videoeingabe zur Verlängerung als nicht verfügbar. Ein Anfangsbild kann das Startbild festlegen; die Tabelle nennt für einen Übergang ein lastFrame-Bild zusammen mit diesem Anfangsbild. Unterscheiden Sie diesen Einzelbildsteuerungsweg vom Mischen mehrerer Stil- oder Motivreferenzen. Die Personengenerierungseinstellungen des Herstellers sind modusspezifisch: Die Lite-Tabelle nennt allow_all für Text-to-Video und allow_adult für Image-to-Video und Interpolation; regionale Regeln können dieses dokumentierte Profil zusätzlich begrenzen. Wählen Sie das Startbild passend zur tatsächlich gewünschten ersten Szene und bereiten Sie Motiv, Bildausschnitt und sichtbare Details vor der Bewegungsanfrage vor.

Beschreiben Sie für Text-to-Video Motiv, Handlung, Umgebung und gewünschten Stil. Ergänzen Sie Kameraposition und -bewegung, Bildausschnitt, Fokus und Licht, sofern relevant. Eine eigene Produktszene könnte das Objekt mittig halten, während sich die Kamera einem Materialdetail nähert und sich das Umgebungslicht sanft ändert. Benennen Sie Anfangszustand, Haupthandlung und letzten Moment, damit der kurze Clip eine zusammenhängende Idee zu einem stimmigen Abschluss bringt. Eine lange Sammlung unzusammenhängender Handlungen ist eine andere Aufgabe als eine fokussierte Einstellung.

Liefern Sie für Image-to-Video ein klares Anfangsbild und erklären Sie, was sich bewegen und was stabil bleiben soll. Geben Sie Motivbewegung und Kamerabewegung separat an. Bereiten Sie bei einer Endbildvorgabe eine kompatible Schlusskomposition vor und beschreiben Sie den Übergang. Prüfen Sie das Ergebnis, statt anzunehmen, eine gewünschte Identität, Position oder Form bleibe über den ganzen Clip identisch. Die referenzierte Modellkarte nennt vollständige Konsistenz in komplexen Szenen und komplexe Bewegung als weiterhin anspruchsvoll.

Der Prompt-Leitfaden unterstützt ausdrückliche Hinweise für Dialog, Geräuscheffekte und Atmosphäre. Setzen Sie den exakten gesprochenen Wortlaut in Anführungszeichen, benennen Sie den Sprecher und beschreiben Sie Geräusche im Verhältnis zur sichtbaren Handlung. Ein Geräuscheffekt und Hintergrundatmosphäre dürfen nicht mit einem gesprochenen Satz verwechselt werden. Englisch ist für Prompts als vollständig unterstützt dokumentiert; andere Sprachen wurden in diesem Leitfaden nicht bewertet. Prüfen Sie hörbare Wörter, Timing und Tonqualität als Teil 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 zweitägige herstellerseitige Aufbewahrung und SynthID-Kennzeichnung; ein aufbewahrtes Ergebnis sollte deshalb heruntergeladene Datei, Prompt, Quellbilder und gewählte Einstellungen enthalten. Ein Seed kann Wiederholbarkeit verbessern, garantiert aber keinen Determinismus. Prüfen Sie Motivkontinuität, Handlung, Bildausschnitt, Ton und gewünschten Szenenendpunkt vor der Schnittverwendung; abgeschlossene Verarbeitung allein beweist nicht die Erfüllung kreativer Anforderungen.