Промты для Veo 3.1: камера, реплики на русском и звук в кадре

Хороший промт для Veo 3.1 отличается от промта для «немой» видеомодели одним: в нём три дорожки, а не одна. Картинка, речь и звук описываются отдельными блоками, и у каждого свои правила. Реплика пишется в «ёлочках» с пометкой, кто говорит и каким голосом, звуковой фон — отдельной строкой, движение камеры — одним глаголом на план, а длина реплики подгоняется под длину ролика. Ниже — как это устроено, десять готовых промтов с разбором и когда брать Veo 3.1 Fast Relax вместо Fast.

Если вы только выбираете между режимами, сначала загляните в разбор Veo 3.1 Fast и Relax. Общая формула видеопромта есть в статье про пять рабочих схем. Здесь только то, что касается именно Veo.

Из чего состоит промт для Veo

Veo 3.1 генерирует видео сразу со звуком, поэтому пустой звуковой блок — это не «тишина», а решение, которое модель примет за вас. Иногда она подложит музыку, которая вам не нужна, иногда добавит закадровый голос. Чтобы этого не происходило, промт удобно собирать из пяти частей в фиксированном порядке:

1. Кадр. Кто или что в кадре, где, какой свет и время суток.
2. Действие. Что происходит за время плана, одно основное событие.
3. Камера. Крупность, ракурс и одно движение.
4. Речь. Кто говорит, как говорит и точный текст реплики.
5. Звук. Фон, отдельные шумы, есть ли музыка.

Порядок важен не потому, что модель читает строго сверху вниз, а потому, что так проще проверять себя. Когда блоки разделены, видно, где вы забыли указать главное, а где противоречите сами себе: например, написали «тихий вечер», а в звуке попросили «шумную улицу».

Я держу под рукой заготовку и каждый раз просто заполняю пустые места:

[Место, время суток, свет]. [Кто в кадре: возраст, одежда, где стоит].
[Одно действие за план].
[Крупность], [одно движение камеры или «камера неподвижна»].
[Кто говорит] говорит [каким голосом]: «[точный текст реплики]».
Звук: [фон места], [шум от действия]. [Музыка или «без музыки»].

Если в плане никто не говорит, строка речи не удаляется, а заменяется на «Речи нет». Пустое место модель заполнит сама, а явный запрет оставляет ей меньше свободы.

Реплики на русском: как писать, чтобы звучало

Veo 3.1 в каталоге Most AI озвучивает русскую речь, и для роликов, где герой говорит в кадре, это его главный козырь. Но результат сильно зависит от того, как оформлена реплика.

Текст — только в кавычках и только дословно

Модель должна понять, какие слова произнести вслух, а какие просто описывают сцену. Поэтому реплику ставим в «ёлочки» и перед ней пишем, кто говорит: «Женщина за прилавком говорит спокойно и приветливо: …». Если написать без кавычек что-то вроде «она рассказывает про скидку», модель сочинит текст сама, и он почти наверняка будет не тем, что нужно.

Длина реплики привязана к длине плана

Ориентир такой: за восемь секунд живой человек спокойно произносит одну-две короткие фразы. Если вложить в восьмисекундный план абзац текста, модель либо ускорит речь до скороговорки, либо оборвёт её на полуслове. Практическое правило: одна мысль на план. Длинный текст лучше разбить на несколько планов и склеить на монтаже.

Числа, аббревиатуры и имена — прописью

Цифры и сокращения модель может прочитать по-разному. «15%» лучше написать как «пятнадцать процентов», «ТЦ» — как «торговый центр», а редкую фамилию снабдить ударением через заглавную букву или заменить на более простую. Это не гарантия, но заметно снижает шанс странного прочтения.

Один говорящий на план

Когда в кадре двое и оба говорят, модель может перепутать, чьи губы двигаются под какую реплику. Надёжнее строить диалог как последовательность планов: в первом говорит один, во втором отвечает другой. Если без двух голосов в одном кадре не обойтись, опишите персонажей максимально различимо: пол, возраст, одежда, положение в кадре слева или справа.

Голос описывайте словами, а не именами

Тембр задаётся прилагательными: «низкий спокойный мужской голос», «быстрая весёлая речь молодой девушки». Не просите голос конкретного актёра или блогера: модель не обязана его воспроизвести, а использовать чужой узнаваемый голос без согласия его владельца нельзя.

Звуковой фон: три слоя

Звук в Veo удобно думать как три слоя, и каждый стоит назвать явно.

• Атмосфера. Общий фон места: гул кафе, ветер на набережной, тишина офиса с кондиционером.
• Точечные шумы. Звуки, привязанные к действию: щелчок замка, звон чашки, шаги по гравию.
• Музыка. Либо конкретное описание, либо прямой запрет.

Если вы собираетесь накладывать собственный трек или закадровый голос на монтаже, в промте стоит прямо написать «без музыки, без закадрового голоса». Иначе придётся вычищать лишнее или перегенерировать. Логика тут простая: если реплика короткая и звучит в кадре, пусть её делает сама модель; если текст длинный и идёт поверх нарезки, его удобнее озвучить отдельно и подложить на монтаже.

Камера и длина плана

Типичная ошибка — описать в одном промте три движения камеры: «наезд, потом облёт, потом отъезд». В короткий план это не помещается, и модель выберет что-то одно или смешает всё в мутное дрожание. Правило то же, что с репликами: одно движение на план.

Полезные формулировки, которые однозначно читаются:

• медленный наезд на лицо;
• плавный отъезд, открывающий обстановку;
• камера неподвижна, штатив;
• ручная камера, лёгкое покачивание;
• панорама слева направо по витрине;
• съёмка сверху, камера неподвижна.

Длину плана в тексте промта не просят: она задаётся настройками генерации. У Veo 3.1 Fast Relax она фиксирована и составляет восемь секунд, поэтому весь промт стоит писать под эту длину: одно действие, одно движение, одна реплика. Для Fast проверьте, какие варианты длины доступны в кабинете, и подгоняйте объём реплики под выбранный.

Fast или Relax: когда что брать

Оба режима озвучивают русскую речь. Разница — в скорости, настройках и цене; актуальные цифры смотрите на странице прайсинга.

Логика выбора простая. Пока вы подбираете формулировки реплики и движения камеры, результат нужен не сразу, а вариантов будет несколько. Это работа для Relax: отправили три версии промта, занялись другими делами, вернулись и выбрали. Когда формулировка найдена и нужен финальный ролик в высоком разрешении к конкретному сроку, переходите на Fast. Подробнее о модели — на странице Veo 3.1.

Десять готовых промтов с разбором

Все примеры — условные сценарии. Подставляйте свои детали, но сохраняйте структуру.

1. Продавец приглашает в магазин

Небольшая цветочная лавка утром, мягкий свет из окна. Женщина лет сорока в зелёном фартуке стоит за прилавком с букетами, смотрит в камеру и улыбается.
Камера неподвижна, средний план.
Она говорит тёплым спокойным голосом: «Доброе утро! Сегодня у нас свежие пионы — заходите посмотреть».
Звук: тихий уличный фон за окном, лёгкий шелест упаковочной бумаги. Без музыки.

Разбор: реплика короткая и укладывается в план, камера стоит на месте, и ничто не отвлекает модель от губ и мимики. Запрет на музыку оставляет место под ваш трек.

2. Эксперт на фоне офиса

Мужчина лет тридцати пяти в светлой рубашке сидит за столом в современном офисе, за ним размытые окна.
Медленный наезд с среднего плана на крупный.
Он говорит уверенным низким голосом: «Три ошибки в договоре аренды, которые стоят дороже всего».
Звук: тихий гул кондиционера, никаких других шумов. Без музыки, без субтитров.

Разбор: такая фраза работает как заход к серии. «Без субтитров» нужно, чтобы модель не нарисовала в кадре текст, который потом не уберёшь.

3. Диалог в два плана — первый план

Уютная кухня вечером, тёплый свет лампы. Девушка лет двадцати пяти в сером свитере стоит у плиты слева в кадре и оборачивается.
Камера неподвижна, средний план.
Она спрашивает удивлённо и весело: «Ты что, правда сам испёк этот пирог?»
Звук: тихое шипение сковороды, тиканье часов. Без музыки.

4. Диалог в два плана — ответ

Та же кухня, тот же тёплый свет. Мужчина лет тридцати в клетчатой рубашке сидит за столом справа в кадре, перед ним пирог на тарелке.
Камера неподвижна, крупный план.
Он отвечает с гордостью, чуть смущённо: «Сам. По бабушкиному рецепту».
Звук: тиканье часов, звон вилки о тарелку. Без музыки.

Разбор третьего и четвёртого: диалог разнесён на два плана, у каждого героя свой кадр и своя сторона. Совпадение обстановки обеспечивается повтором описания кухни и света слово в слово.

5. Товар без людей, только звук

Керамическая кружка на деревянном столе у окна, в неё наливают горячий кофе, поднимается пар. Утро, мягкий боковой свет.
Макросъёмка, медленный наезд на кружку.
Речи нет.
Звук: журчание наливаемого кофе, тихое пение птиц за окном. Без музыки.

Разбор: здесь прямо сказано «речи нет», иначе модель может добавить закадровый голос. Точечный звук привязан к действию, поэтому воспринимается естественно.

6. Закадровый голос поверх пейзажа

Набережная на рассвете, туман над водой, одинокий бегун вдалеке.
Плавная панорама слева направо.
Закадровый голос, спокойный женский, без человека в кадре: «Каждое утро начинается с одного решения».
Звук: плеск воды, крики чаек вдалеке. Тихая фортепианная музыка на фоне.

Разбор: пометка «закадровый голос, без человека в кадре» не даёт модели искать говорящего среди прохожих и шевелить кому-то губы.

7. Обучающий ролик с демонстрацией

Руки крупным планом завязывают галстук на белой рубашке, светлый фон.
Съёмка сверху, камера неподвижна.
Спокойный мужской голос за кадром: «Сначала широкий конец перекидываем через узкий».
Звук: лёгкий шорох ткани. Без музыки.

Разбор: один шаг инструкции на план. Всю инструкцию целиком лучше разложить на серию таких планов.

8. Эмоциональная реакция

Молодая женщина открывает коробку с подарком в гостиной, праздничные гирлянды на заднем плане, вечер.
Ручная камера, лёгкое покачивание, средний план.
Она восклицает радостно, почти шёпотом: «Не может быть…»
Звук: шуршание обёрточной бумаги, смех за кадром. Без музыки.

Разбор: ручная камера добавляет ощущение домашнего видео. Короткая реплика оставляет время на реакцию лица, а оно здесь важнее слов.

9. Вертикальный заход для соцсетей

Вертикальный кадр. Парень лет двадцати в худи стоит на фоне кирпичной стены, резко поворачивается к камере.
Быстрый наезд на лицо.
Он говорит энергично: «Стоп. Не покупай наушники, пока не посмотришь это».
Звук: городской шум, щелчок пальцев в начале. Без музыки.

Разбор: соотношение сторон выставляется в настройках генерации, а слова «вертикальный кадр» в начале промта помогают строить композицию под узкий экран: лицо по центру, без важных деталей по краям. Сама фраза-заход короткая, чтобы уложиться в первые секунды.

10. Атмосферная сцена без реплик

Старая библиотека ночью, лунный свет падает через высокие окна на ряды книг, в воздухе пыль.
Очень медленный отъезд, открывающий зал.
Речи нет.
Звук: скрип половиц, далёкий бой часов, тишина. Без музыки.

Разбор: хороший пример промта для проверки формулировок в Relax. Результат не срочный, а звук и свет можно подбирать в нескольких версиях.

Как отлаживать промт, если результат не тот

Меняйте за раз один блок. Если сбилась реплика, трогайте только строку речи: сократите её, замените числа словами, уточните голос. Если камера ведёт себя странно, упростите движение до «камера неподвижна» и проверьте, что проблема ушла. Если в кадре появился лишний текст, добавьте «без субтитров, без надписей». Сохраняйте версии промтов рядом с результатами, иначе через час не вспомните, какая формулировка что дала.

Частые вопросы