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

L’architecture référencée utilise une diffusion latente sur des représentations audio temporelles et des représentations vidéo spatio-temporelles. Le modèle de base a été entraîné sur des contenus audio, vidéo et image, accompagnés de légendes de différents niveaux de détail, avec des données filtrées et dédupliquées. Cela explique son objectif de génération conjointe de l’image et du son. Cela ne révèle pas un 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 fixe une limite d’entrée textuelle de 1 024 tokens et une vidéo de sortie. La colonne Lite du guide de génération prévoit 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 fournisseur, pas à une édition Veo sans rapport 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 également que la fonction de références multiples referenceImages et l’entrée vidéo pour l’extension sont indisponibles dans la colonne Lite. Une image initiale peut établir la première image ; le tableau prévoit une image lastFrame avec cette image initiale pour une transition. Distinguez ce contrôle par images de début et de fin du mélange de plusieurs références de style ou de sujet. Les réglages de génération de personnes du fournisseur dépendent du mode : le tableau Lite prévoit allow_all pour la génération à partir de texte et allow_adult pour la génération à partir d’une image et l’interpolation, tandis que les règles régionales peuvent encore restreindre ce profil documenté. Choisissez l’image de départ selon la première scène réellement souhaitée, en préparant le sujet, le cadrage et les détails visibles avant de demander du mouvement.

Pour la génération à partir de texte, décrivez le sujet, son action, l’environnement et le style voulu. Ajoutez la position et le mouvement de caméra, le cadrage, la mise au point et la lumière lorsque ces éléments comptent. Une scène originale de produit peut garder l’objet au centre pendant que la caméra se rapproche 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 clip court développe une idée cohérente. Une longue collection d’actions sans lien constitue une autre tâche qu’un plan ciblé.

Pour la génération à partir d’une image, fournissez une image initiale claire et expliquez ce qui doit bouger et ce qui doit rester stable. Précisez séparément le mouvement du sujet et celui de la caméra. Si vous utilisez une contrainte d’image finale, préparez une composition d’arrivée compatible et décrivez la transition entre les deux. Inspectez le résultat sans supposer qu’une identité, une position ou une forme demandée reste identique tout au long du clip. La fiche référencée identifie la cohérence complète des scènes complexes et les mouvements complexes comme des difficultés persistantes.

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 relation 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 entièrement pris en charge pour les prompts, tandis que les autres langues n’ont pas été évaluées dans ce guide. Vérifiez les mots audibles, le timing et la qualité sonore comme parties du même livrable que la vidéo, sans considérer l’audio comme une transcription nécessairement fidèle du prompt.

Le processus du fournisseur est asynchrone : une demande de génération renvoie une opération, et le résultat achevé est récupéré lorsque son statut indique la fin. Conservez l’identité de l’opération et inspectez le clip renvoyé. Le guide décrit une conservation de deux jours côté fournisseur 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 l’aboutissement prévu de la scène avant d’utiliser le clip dans un montage ; la fin du traitement seule ne prouve pas que les exigences créatives ont été satisfaites.