Google: Veo 3.1 Lite

Veo 3.1 Lite er Googles Lite-medlem i Veo 3-serien for videogenerering. Den syntetiserer en video med lyd fra en beskrivelse i naturlig språk eller et inngangsbilde. Resultatet er et generert klipp, ikke en tekstanalyse av et eksisterende opptak. Produsentens Lite-modellkort viser til Veo 3 for den underliggende arkitekturen, treningsmaterialet og kjente begrensninger, mens den Lite-spesifikke dokumentasjonen definerer egne genereringsfunksjoner og grenser.

Den refererte arkitekturen bruker latent diffusjon over tidsbaserte lydrepresentasjoner og romlig-tidslige videorepresentasjoner. Grunnmodellen ble trent på lyd, video og bilder, med bildetekster på ulike detaljnivåer og filtrert og deduplisert treningsmateriale. Dette forklarer formålet om samlet generering av bilde og lyd. Det oppgir ikke noe Lite-spesifikt parameterantall eller fastslår at hver generert bevegelse følger fysisk virkelighet. For en praktisk scene bestemmer du den synlige handlingen og den tilhørende lyden samlet.

Den spesifikke Lite-dokumentasjonen angir en tekstgrense på 1 024 token og én utdatavideo. Lite-kolonnen i genereringsveiledningen oppgir lengder på 4, 6 og 8 sekunder, med 720p som standard og 1080p som krever et klipp på 8 sekunder. Liggende 16:9 er standard sideforhold, og stående 9:16 er også oppført; resultatet er dokumentert ved 24 bilder per sekund. Innebygd lyd er alltid på i denne flyten. Disse verdiene tilhører produsentens navngitte Lite-arbeidsflyt, ikke en urelatert Veo-utgave eller en separat målt applikasjonsrespons.

Lite støtter ikke 4K-utdata eller videoforlengelse. Parametertabellen markerer også funksjonen referenceImages for flere referanser og videoinndata for forlengelse som utilgjengelige i Lite-kolonnen. Et startbilde kan fastsette første bilde; tabellen oppgir et lastFrame-bilde sammen med dette startbildet for en overgang. Hold denne bildekontrollbanen atskilt fra blanding av flere stil- eller motivreferanser. Produsentens innstillinger for persongenerering er modusspesifikke: Lite-tabellen oppgir allow_all for tekst-til-video og allow_adult for bilde-til-video og interpolering, mens regionale regler kan begrense den dokumenterte profilen ytterligere. Velg startbildet slik at det passer den første scenen du faktisk ønsker, med motiv, utsnitt og synlige detaljer klargjort før du ber om bevegelse.

For tekst-til-video beskriver du motivet, handlingen, miljøet og ønsket stil. Legg til kameraposisjon og -bevegelse, utsnitt, fokus og lys når det har betydning. En original produktscene kan holde objektet sentrert mens kameraet nærmer seg én materialdetalj og lyset rundt endrer seg forsiktig. Angi starttilstanden, hovedhandlingen og sluttøyeblikket, slik at det korte klippet fullfører én sammenhengende idé. En lang samling urelaterte handlinger er en annen oppgave enn et avgrenset opptak.

For bilde-til-video oppgir du et tydelig startbilde og forklarer hva som skal bevege seg og hva som skal forbli stabilt. Angi motivets bevegelse og eventuell kamerabevegelse hver for seg. Hvis du bruker en sluttbildebegrensning, klargjør du en forenlig sluttkomposisjon og beskriver overgangen mellom dem. Undersøk resultatet fremfor å anta at en ønsket identitet, posisjon eller form forblir identisk gjennom hele klippet. Det refererte modellkortet identifiserer fullstendig konsistens i komplekse scener og kompleks bevegelse som en vedvarende utfordring.

Promptveiledningen støtter uttrykkelige signaler for dialog, lydeffekter og atmosfære. Sett nøyaktig tale i anførselstegn, identifiser taleren og beskriv lyder i forhold til den synlige handlingen. En lydeffekt og bakgrunnsatmosfære skal ikke forveksles med en replikk. Engelsk er dokumentert som fullt støttet for promptskriving, mens andre språk ikke er evaluert i denne veiledningen. Vurder de hørbare ordene, timingen og lydkvaliteten som deler av den samme leveransen som videoen, fremfor å behandle lyd som en garantert trofast opplesning av prompten.

Produsentens arbeidsflyt er asynkron: en genereringsforespørsel returnerer en operasjon, og det ferdige resultatet hentes når statusen melder fullføring. Behold operasjonsidentiteten, og undersøk det returnerte klippet. Veiledningen beskriver oppbevaring hos produsenten i to dager og SynthID-merking, så en beholdt leveranse bør inneholde det nedlastede resultatet, prompten, kildebildene og valgte innstillinger. En seed kan bedre gjentakbarheten, men garanterer ikke determinisme. Kontroller motivkontinuitet, handling, utsnitt, lyd og det ønskede endepunktet for scenen før klippet brukes i en redigering; fullført behandling alene beviser ikke at de kreative kravene er oppfylt.