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 et non 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 limites connues, tandis que la documentation propre à Lite définit ses fonctions et limites de génération.

L’architecture référencée 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 à différents niveaux de détail, et des données d’entraînement filtrées et dédupliquées. Cela explique l’objectif de génération conjointe d’image et de son. Cela ne révèle pas de nombre de paramètres propre à Lite et n’établit pas 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 Lite donne une limite d’entrée textuelle de 1’024 tokens et une vidéo de sortie. La colonne Lite du guide de génération indique 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 indiqué ; la sortie est documentée à 24 images par seconde. L’audio natif est toujours activé dans ce processus. Ces valeurs appartiennent au processus Lite nommé du producteur, et non à une édition Veo sans rapport ou à une réponse d’application mesurée séparément.

Lite ne prend en charge ni la sortie 4K ni le prolongement vidéo. Le tableau des paramètres marque également la fonction multiréférence referenceImages et une entrée vidéo pour le prolongement comme indisponibles dans la colonne Lite. Une image initiale peut établir la première image ; le tableau indique une image lastFrame avec cette image initiale pour une transition. Gardez ce parcours de contrôle par images distinct 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 la vidéo à partir de texte et allow_adult pour la vidéo à partir d’image et l’interpolation, tandis que les règles régionales peuvent restreindre davantage ce profil documenté. Choisissez l’image de départ pour correspondre à la première scène réellement voulue, avec le sujet, le cadrage et les détails visibles préparés avant de demander du mouvement.

Pour la vidéo à partir de texte, décrivez le sujet, son action, l’environnement et le style souhaité. Ajoutez position et mouvement de caméra, cadrage, mise au point et lumière lorsqu’ils comptent. Une scène originale de produit pourrait garder l’objet centré pendant que la caméra s’approche d’un détail de matière et que la lumière environnante change doucement. Identifiez l’état initial, l’action principale et le moment final pour que le court clip développe une idée cohérente. Une longue collection d’actions sans lien constitue une tâche différente d’un plan ciblé.

Pour la vidéo à partir d’image, fournissez une première image 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 de fin compatible et décrivez la transition entre les deux. Examinez le résultat au lieu de supposer qu’une identité, une position ou une forme demandée reste identique tout au long du clip. La fiche du modèle référencée identifie la cohérence complète dans les scènes complexes et les mouvements complexes comme un défi persistant.

Le guide de prompts prend en charge des indications explicites pour les dialogues, effets sonores et ambiances. Mettez la parole exacte entre guillemets, identifiez le locuteur et décrivez les sons en rapport avec l’action visible. Un effet sonore et une ambiance 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 temporalité et la qualité sonore comme parties du même livrable que la vidéo, au lieu de considérer l’audio comme une transcription garantie du prompt.

Le processus du producteur est asynchrone : une requête de génération renvoie une opération, et le résultat terminé est obtenu après que son état 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 souhaité avant d’utiliser le clip dans un montage ; la fin du traitement ne prouve pas à elle seule que les exigences créatives sont remplies.