Google: Veo 3.1 Lite

Veo 3.1 Lite est le membre Lite de la gamme de génération vidéo Veo 3 de Google. Il synthétise une vidéo avec audio à partir d’une description en langage naturel ou d’une image d’entrée. La sortie est un clip généré, pas une analyse textuelle d’un enregistrement existant. La fiche Lite du fabricant renvoie à Veo 3 pour l’architecture sous-jacente, les données d’entraînement et les limitations connues, tandis que la documentation propre à Lite définit ses fonctions et limites de génération.

L’architecture citée utilise la diffusion latente sur des représentations audio temporelles et vidéo spatio-temporelles. Le modèle de base a été entraîné sur de l’audio, des vidéos et des images, avec des légendes de niveaux de détail différents, et des données filtrées et dédupliquées. Cela explique sa finalité de génération conjointe d’image et d’audio. Cela ne divulgue pas un nombre de paramètres propre à Lite ni ne prouve que chaque mouvement généré respecte la réalité physique. Pour une scène pratique, décidez ensemble de l’action visible et du son correspondant.

La documentation exacte de Lite indique une limite d’entrée textuelle de 1 024 tokens et une vidéo en sortie. La colonne Lite du guide de génération répertorie des durées de 4, 6 et 8 secondes, avec 720p par défaut et 1080p nécessitant un clip de 8 secondes. Le rapport paysage 16:9 est celui par défaut et le portrait 9:16 est également proposé ; la sortie est documentée à 24 images par seconde. L’audio natif est toujours actif dans ce processus. Ces valeurs appartiennent au processus Lite nommé du producteur, pas à une autre édition Veo ni à une réponse d’application mesurée séparément.

Lite ne prend pas en charge la sortie 4K ni l’extension vidéo. Le tableau des paramètres indique aussi comme indisponibles dans la colonne Lite la fonction multiréférence referenceImages et l’entrée vidéo d’extension. Une image initiale peut établir la première image du clip ; le tableau répertorie une image lastFrame associée à cette image initiale pour une transition. Distinguez cette voie de contrôle des images limites du mélange de plusieurs références de style ou de sujet. Les réglages de génération de personnes du producteur dépendent du mode : le tableau Lite indique allow_all pour texte-vers-vidéo et allow_adult pour image-vers-vidéo et l’interpolation, tandis que des règles régionales peuvent restreindre davantage ce profil documenté. Choisissez une image de départ correspondant à la première scène réellement souhaitée, avec le sujet, le cadrage et les détails visibles préparés avant de demander du mouvement.

Pour texte-vers-vidéo, décrivez le sujet, son action, l’environnement et le style prévu. Ajoutez la position et le mouvement de caméra, le cadrage, la mise au point et la lumière lorsqu’ils comptent. Une scène produit originale pourrait garder l’objet centré pendant que la caméra s’approche d’un détail de matériau et que la lumière environnante change doucement. Identifiez l’état initial, l’action principale et le dernier instant pour que le court clip exprime une idée cohérente. Une longue suite d’actions sans rapport constitue une autre tâche qu’un plan ciblé.

Pour image-vers-vidéo, fournissez une image initiale claire et expliquez ce qui doit bouger et ce qui doit rester stable. Précisez séparément le mouvement du sujet et tout mouvement de caméra. Si vous utilisez une contrainte d’image finale, préparez une composition finale compatible et décrivez la transition entre les deux. Examinez le résultat au lieu de supposer que l’identité, la position ou la forme demandées restent identiques tout au long du clip. La fiche citée du modèle reconnaît la cohérence complète dans les scènes complexes et les mouvements complexes comme une difficulté persistante.

Le guide de rédaction prend en charge des indications explicites de dialogue, d’effets sonores et d’ambiance. Placez les paroles exactes entre guillemets, identifiez la personne qui parle et décrivez les sons en lien avec l’action visible. Un effet sonore et une atmosphère de fond ne doivent pas être confondus avec une réplique. L’anglais est documenté comme pleinement pris en charge pour les prompts, tandis que les autres langues n’ont pas été évaluées dans ce guide. Vérifiez les mots audibles, leur synchronisation et la qualité sonore comme parties du même livrable que la vidéo, au lieu de considérer l’audio comme une transcription garantie fidèle du prompt.

Le processus du producteur est asynchrone : une requête de génération renvoie une opération, et le résultat terminé est récupéré après que son statut indique la fin. Conservez l’identité de l’opération et examinez le clip renvoyé. Le guide décrit une conservation de deux jours côté producteur et un marquage SynthID ; un livrable conservé doit donc comprendre le résultat téléchargé, le prompt, les images sources et les réglages choisis. Une graine peut améliorer la répétabilité sans garantir le déterminisme. Vérifiez la continuité du sujet, l’action, le cadrage, le son et le point d’arrivée prévu avant d’utiliser le clip dans un montage ; la fin du traitement ne prouve pas à elle seule que les exigences créatives sont remplies.