Google: Veo 3.1 Lite

A Veo 3.1 Lite a Google Veo 3 videógeneráló termékvonalának Lite tagja. Természetes nyelvű leírásból vagy bemeneti képből szintetizál hangos videót. Kimenete generált klip, nem meglévő felvétel szöveges elemzése. A gyártó Lite modellkártyája a mögöttes architektúra, tanítóanyag és ismert korlátok tekintetében a Veo 3-ra utal, míg a Lite-specifikus dokumentáció saját generálási funkcióit és korlátait határozza meg.

A hivatkozott architektúra időbeli hangreprezentációkon és tér-időbeli videóreprezentációkon alkalmaz látens diffúziót. Az alapmodellt hangon, videón és képeken tanították, különböző részletességű feliratokkal, szűrt és deduplikált tanítóanyaggal. Ez magyarázza a kép és hang közös generálásának célját. Nem közöl Lite-specifikus paraméterszámot, és nem bizonyítja, hogy minden generált mozgás követi a fizikai valóságot. Gyakorlati jelenethez a látható cselekvést és megfelelő hangját együtt döntsd el.

A pontos Lite dokumentáció 1 024 tokenes szövegbemeneti korlátot és egy kimeneti videót ad meg. A generálási útmutató Lite oszlopa 4, 6 és 8 másodperces időtartamot sorol fel, alapértelmezetten 720p-vel; 1080p-hez 8 másodperces klip szükséges. Az alapértelmezett oldalarány fekvő 16:9, és álló 9:16 is szerepel; a dokumentált kimenet 24 képkocka/másodperc. Ebben a folyamatban a natív hang mindig be van kapcsolva. Ezek az értékek a gyártó megnevezett Lite munkafolyamatához tartoznak, nem független Veo kiadáshoz vagy külön mért alkalmazásválaszhoz.

A Lite nem támogat 4K kimenetet vagy videóhosszabbítást. A paramétertáblázat a több referenciás referenceImages funkciót és a hosszabbításhoz való videóbemenetet is elérhetetlennek jelöli a Lite oszlopban. Kezdőkép rögzítheti a nyitóképkockát; a táblázat e kezdőképpel együtt lastFrame képet is felsorol átmenethez. Ezt a képkockavezérlési útvonalat különítsd el több stílus- vagy témareferencia keverésétől. A gyártó emberábrázolási beállításai módfüggők: a Lite táblázat szöveg-videóhoz allow_all, kép-videóhoz és interpolációhoz allow_adult értéket sorol fel, miközben regionális szabályok tovább szűkíthetik a dokumentált profilt. Olyan kezdőképet válassz, amely megfelel a ténylegesen kívánt első jelenetnek, a téma, képkivágás és látható részletek előkészítésével még a mozgás kérése előtt.

Szöveg-videó módban írd le a témát, cselekvését, környezetét és a kívánt stílust. Szükség esetén add hozzá a kamerahelyzetet és -mozgást, képkivágást, fókuszt és fényt. Eredeti termékjelenet középen tarthatja a tárgyat, miközben a kamera egy anyagrészlet felé közeledik, a környező fény pedig finoman változik. Nevezd meg a kezdeti állapotot, fő cselekvést és végső pillanatot, hogy a rövid klip egy összefüggő gondolatot zárjon le. Független cselekvések hosszú gyűjteménye más feladat, mint egy célzott felvétel.

Kép-videó módban adj tiszta kezdőképkockát, és magyarázd el, minek kell mozognia és minek stabilan maradnia. A téma mozgását és minden kameramozgást külön add meg. Végképkocka-megkötésnél készíts elő összeillő zárókompozíciót, és írd le a köztük lévő átmenetet. Az eredményt vizsgáld meg, ne feltételezd, hogy a kért azonosság, helyzet vagy alak az egész klipen azonos marad. A hivatkozott modellkártya az összetett jelenetek teljes következetességét és az összetett mozgást továbbra is kihívásként jelöli meg.

A promptútmutató kifejezett jelzéseket támogat párbeszédhez, hangeffektusokhoz és környezeti hanghoz. A pontos beszédet tedd idézőjelbe, azonosítsd a beszélőt, és a hangokat a látható cselekvéshez viszonyítva írd le. Hangeffektust és háttérhangulatot ne keverj össze kimondott mondattal. Promptíráshoz az angolt teljesen támogatottként dokumentálják, más nyelveket ebben az útmutatóban nem értékeltek. A hallható szavakat, időzítést és hangminőséget ugyanazon alkotás részeként ellenőrizd, mint a videót; ne kezeld a hangot a prompt garantáltan hű átirataként.

A gyártói folyamat aszinkron: a generálási kérés műveletet ad vissza, a kész eredmény pedig a befejezett állapot után érhető el. Tartsd meg a műveletazonosítót, és vizsgáld meg a kapott klipet. Az útmutató kétnapos gyártóoldali megőrzést és SynthID-jelölést ír le, ezért a megőrzött alkotás tartalmazza a letöltött eredményt, promptot, forrásképeket és kiválasztott beállításokat. A seed javíthatja az ismételhetőséget, de nem garantál determinizmust. Szerkesztésben való használat előtt ellenőrizd a téma folytonosságát, cselekvést, képkivágást, hangot és a tervezett végpontot; a feldolgozás befejezése önmagában nem bizonyítja az alkotói követelmények teljesülését.