Google: Veo 3.1

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

Describe primero el sujeto y el evento visible. Establece el entorno, la hora del día y la luz y define después el punto de vista o movimiento de la cámara y el estilo visual previsto. Un encargo original de escena podría mostrar un recipiente de vidrio sobre una superficie de estudio oscura, con un movimiento lateral lento que revele un reflejo mientras un suave sonido ambiental 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 el sujeto, la acción, la escena, la cámara y la estética como partes separadas del encargo. Utiliza las partes que sirvan al plano en lugar de añadir todos los descriptores posibles. Escribe las indicaciones en inglés para el perfil de prompts documentado. Si la escena tiene varias acciones, indica su relación y mantenlas proporcionadas a un clip breve, para que una presentación o reacción siga siendo comprensible.

Una imagen inicial establece el aspecto y la composición de apertura. Utilízala 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 final. Prepara fotogramas de límite que comuniquen una transición plausible y conserven los detalles que identifican al sujeto principal, y después inspecciona el movimiento entre esos fotogramas tras la generación.

Las referencias de recursos tienen otra finalidad: orientan el aspecto de un personaje u objeto en una escena nueva generada, mientras que los fotogramas de límite definen momentos concretos de esa escena. Elige referencias que muestren los rasgos visuales importantes y aclara en el prompt la función de cada recurso. La especificación de imagen de referencia a vídeo del modelo de producción utiliza una salida de ocho segundos para ese flujo de referencias, distinta 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. Enumera encuadre horizontal 16:9 y vertical 9:16, hasta cuatro vídeos de salida por prompt y resoluciones de salida de 720p, 1080p y 4K. El formato del vídeo de salida es MP4. Su especificación basada en imagen acepta JPEG o PNG, enumera un máximo de imagen de entrada de 20 MB y admite configuraciones de entrada 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 a la escena visible. Especifica las frases habladas, el ambiente y los efectos sonoros como partes del mismo encargo, 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. Ajusta las palabras al tiempo útil de habla del clip y revisa la inteligibilidad del sonido y su relación con la acción.

Para una continuación, el fabricante ofrece un flujo independiente de extensión de vídeo. Parte de un clip de origen generado apropiado y describe el siguiente evento visible o cambio en la escena. Conserva el original y el segmento continuado para revisar su punto de unión en cuanto a aspecto, movimiento y sonido. Las opciones normales de duración y resolución de una generación nueva no deben considerarse un contrato universal para todas las operaciones de extensión.

Una descripción negativa puede centrar 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 única dirección creativa, como la iluminación o la distancia de cámara. Registra el prompt, las referencias y los ajustes seleccionados junto con el resultado. Esto permite comparar una diferencia creativa útil en lugar de una colección de generaciones inconexas.

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

La generación es una operación cuyo resultado terminado proporciona recursos de vídeo para reproducir y editar posteriormente. Conserva los archivos devueltos con sus fotogramas de origen, recursos de referencia y encargo, así como la información de procedencia de contenido proporcionada. Inspecciona cada resultado real en cuanto al aspecto del sujeto, la acción, el encuadre, el sonido y la composición final. Utiliza el clip elegido como pieza de producción, con títulos, transiciones u otros acabados añadidos en la edición circundante.