Google: Veo 3.1

Veo 3.1 es el modelo de generación de video de Google para crear una escena audiovisual corta a partir de texto o de un brief basado en imagen. Su perfil de producción admite texto a video, imagen a video y creación guiada con primer y último fotograma, con sonido generado, referencias de recursos y un flujo de continuación independiente. Úsalo para desarrollar un concepto cinematográfico, una narrativa corta de producto o un segmento visual con escena, acción y experiencia auditiva definidas.

Describe primero el sujeto y el evento visible. Establece el entorno, la hora del día y la luz; después define el punto de vista o movimiento de la cámara y el estilo visual previsto. Un brief original de escena podría mostrar un recipiente de vidrio sobre una superficie oscura de estudio, con un movimiento lateral lento que revele un reflejo mientras un sonido ambiental suave acompaña la presentación. Cada instrucción aporta una característica visible o audible que puede evaluarse en el resultado terminado.

El marco de prompts de Google trata sujeto, acción, escena, cámara y estética como partes separadas del brief. Utiliza las partes que sirvan a la toma en lugar de añadir todos los descriptores posibles. Escribe las indicaciones en inglés para el perfil documentado de prompts. Si la escena tiene varias acciones, indica su relación y mantén su proporción con un clip corto, de modo que una presentación o reacción siga siendo clara.

Una imagen inicial establece la apariencia y composición de apertura. Úsala cuando el personaje, producto o entorno ya exista como recurso visual y describe el movimiento que debe desarrollarse a partir de ella. Un último fotograma añade una composición objetivo para el cierre. Prepara fotogramas de inicio y fin que comuniquen una transición plausible y conserven los detalles que identifican al sujeto principal; después revisa el movimiento entre esos fotogramas tras la generación.

Las referencias de recursos cumplen otra función: guían la apariencia de un personaje u objeto en una escena nueva generada, mientras que los fotogramas de inicio y fin definen momentos específicos de esa escena. Elige referencias que muestren los rasgos visuales importantes y aclara la función de cada recurso en el prompt. La especificación de imagen de referencia a video del modelo de producción utiliza una salida de ocho segundos para ese flujo de referencias, separada de la selección habitual de duración basada en texto.

El perfil habitual de producción del fabricante genera clips de cuatro, seis u ocho segundos a 24 fotogramas por segundo. Incluye encuadre horizontal 16:9 y vertical 9:16, hasta cuatro videos de salida por prompt y resoluciones de salida de 720p, 1080p y 4K. El formato de salida del video es MP4. Su especificación basada en imagen admite JPEG o PNG, incluye un máximo de imagen de entrada de 20 MB y admite configuraciones de entrada de 720p/1080p. Elige el perfil de salida para la ubicación prevista y mantén legible la composición del fotograma a ese tamaño.

El sonido nativo puede acompañar la escena visible. Especifica líneas habladas, ambiente y efectos de sonido como partes del mismo brief, nombrando al sujeto o evento que produce cada uno. Una instrucción de diálogo y una instrucción de cámara responden a preguntas distintas: una establece la interpretación y la otra cómo la ve el espectador. Mantén las palabras dentro del tiempo útil de habla del clip y revisa la inteligibilidad del sonido y su relación con la acción.

Para una continuación, el fabricante proporciona un flujo independiente de extensión de video. Comienza con un clip de origen generado apropiado y describe el siguiente evento visible o cambio de la escena. Conserva el segmento original y el continuado para revisar su punto de unión en apariencia, movimiento y sonido. Las opciones normales de duración y resolución de una generación nueva no deben tratarse como un contrato universal para toda operación de extensión.

Una descripción negativa puede enfocar las exclusiones en los requisitos visuales de la tarea. Para una serie de variaciones de producto, mantén estables el sujeto y la composición mientras cambias una sola dirección creativa, como la iluminación o la distancia de cámara. Registra el prompt, las referencias y la configuración seleccionada junto con el resultado. Esto permite comparar una diferencia creativa útil en lugar de una colección de generaciones desconectadas.

El perfil regular de producción de Veo 3.1 y Veo 3.1 Fast tienen perfiles distintos de resolución de salida. Fast incluye 720p y 1080p; el 3.1 regular también incluye 4K. Conserva la edición elegida vinculada al resultado, sin sustituir silenciosamente un identificador de modelo de producción por un perfil Preview anterior u otra generación de Veo. Tanto la apariencia de un sujeto como la operación admitida dependen del flujo seleccionado.

La generación es una operación cuyo resultado terminado proporciona recursos de video para reproducir y editar después. Conserva los archivos devueltos con sus fotogramas de origen, recursos de referencia y brief, y conserva la información de procedencia del contenido que se proporcione. Revisa cada salida real en cuanto a apariencia del sujeto, acción, encuadre, sonido y composición final. Usa el clip elegido como componente de producción, con títulos, transiciones u otros acabados añadidos en la edición que lo rodea.