Google: Veo 3.1 Lite

Veo 3.1 Lite è il membro Lite della linea di generazione video Veo 3 di Google. Sintetizza un video con audio da una descrizione in linguaggio naturale o un’immagine in ingresso. L’output è una clip generata, non un’analisi testuale di una registrazione esistente. La scheda del modello Lite del produttore rimanda a Veo 3 per architettura sottostante, materiali di addestramento e limiti noti, mentre la documentazione specifica Lite definisce caratteristiche e limiti di generazione propri.

L’architettura di riferimento usa diffusione latente su rappresentazioni audio temporali e rappresentazioni video spazio-temporali. Il modello di base è stato addestrato su audio, video e immagini, con didascalie a diversi livelli di dettaglio e materiali di addestramento filtrati e deduplicati. Questo spiega lo scopo di generazione congiunta visiva e audio. Non rivela un numero di parametri specifico di Lite né stabilisce che ogni movimento generato segua la realtà fisica. Per una scena pratica, decidi insieme azione visibile e suono corrispondente.

La documentazione esatta di Lite dà un limite di input testuale di 1.024 token e un video in uscita. La colonna Lite della guida di generazione elenca durate di 4, 6 e 8 secondi, con 720p predefinita e 1080p che richiede una clip di 8 secondi. Il rapporto d’aspetto predefinito è orizzontale 16:9 ed è elencato anche il verticale 9:16; l’output è documentato a 24 fotogrammi al secondo. L’audio nativo è sempre attivo in quel flusso. Questi valori appartengono al flusso denominato Lite del produttore, non a un’edizione Veo estranea o a una risposta applicativa misurata separatamente.

Lite non supporta output 4K o estensione video. La tabella dei parametri indica inoltre la funzione multi-riferimento referenceImages e un video in ingresso per l’estensione come indisponibili nella colonna Lite. Un’immagine iniziale può stabilire il fotogramma di partenza; la tabella elenca un’immagine lastFrame insieme a quella iniziale per una transizione. Mantieni distinto questo percorso di controllo dei fotogrammi dalla combinazione di vari riferimenti di stile o soggetto. Le impostazioni di generazione delle persone del produttore dipendono dalla modalità: la tabella Lite elenca allow_all per text-to-video e allow_adult per image-to-video e interpolazione, mentre regole regionali possono restringere ulteriormente quel profilo documentato. Scegli l’immagine iniziale adatta alla prima scena che desideri realmente, con soggetto, inquadratura e dettagli visibili preparati prima di chiedere movimento.

Per il text-to-video, descrivi soggetto, azione, ambiente e stile desiderato. Aggiungi posizione e movimento di camera, inquadratura, fuoco e luce quando contano. Una scena originale di prodotto potrebbe mantenere l’oggetto centrato mentre la camera si avvicina a un dettaglio del materiale e la luce circostante cambia dolcemente. Identifica stato iniziale, azione principale e momento finale, così la breve clip risolve un’idea coerente. Una lunga raccolta di azioni scollegate è un’attività diversa da una ripresa mirata.

Per l’image-to-video, fornisci un fotogramma iniziale chiaro e spiega cosa deve muoversi e cosa deve restare stabile. Specifica separatamente movimento del soggetto e della camera. Se usi un vincolo di fotogramma finale, prepara una composizione finale compatibile e descrivi la transizione fra i due. Ispeziona il risultato invece di presumere che identità, posizione o forma richieste restino identiche per tutta la clip. La scheda del modello di riferimento identifica coerenza completa in scene complesse e movimento complesso come sfide ancora aperte.

La guida ai prompt supporta indicazioni esplicite per dialoghi, effetti sonori e atmosfera. Metti il parlato esatto fra virgolette, identifica il parlante e descrivi i suoni in relazione all’azione visibile. Un effetto sonoro e l’atmosfera di sottofondo non vanno confusi con una battuta pronunciata. L’inglese è documentato come pienamente supportato per i prompt, mentre altre lingue non sono state valutate in quella guida. Controlla parole udibili, tempi e qualità sonora come parte dello stesso risultato del video, anziché trattare l’audio come trascrizione fedele garantita del prompt.

Il flusso del produttore è asincrono: una richiesta di generazione restituisce un’operazione e il risultato completato si ottiene dopo che il suo stato segnala il completamento. Conserva l’identità dell’operazione e ispeziona la clip restituita. La guida descrive conservazione lato produttore per due giorni e marcatura SynthID; un risultato conservato deve quindi includere file scaricato, prompt, immagini sorgente e impostazioni selezionate. Un seed può migliorare la ripetibilità ma non garantisce determinismo. Controlla continuità del soggetto, azione, inquadratura, suono e punto finale desiderato prima di usare la clip in un montaggio; il solo completamento dell’elaborazione non dimostra che i requisiti creativi siano soddisfatti.