دليل كتابة برومبت Veo 3.1: كيف تصوغ برومبت يعمل فعلياً
دليل عملي لبرومبت Veo 3.1: الهيكل المكون من سبعة أجزاء، ومصطلحات حركة الكاميرا، والمؤثرات الصوتية، ومقاطع حقيقية قبل وبعد بسعر يبدأ من $0.10 للفيديو.
البرومبت (المطالبة) لـ Veo 3.1 هو وصف قصير للمشهد يخبر نموذج الفيديو من Google بما يجب تصويره وكيفية تصويره. تتعامل النماذج مع النص الخاص بك وكأنه توجيه من المخرج: فهي تقرأ منه الموضوع، والحركة، والأسلوب، وعمل الكاميرا، والتكوين، واختيار العدسة، والإضاءة، ثم تملأ كل ما لم تحدده بتقديراتها الخاصة. كتابة البرومبت الجيدة تدور في الغالب حول ترك أشياء أقل للتخمين.
النسخة المختصرة، إذا كنت ستقرأ فقرة واحدة فقط: صف موضوعاً واحداً يقوم بحركة واحدة، ثم أضف الكاميرا. القالب العملي هو "[shot type] of [subject] [doing action] in [setting], [camera movement], [lens or focus], [lighting and mood]". هذه العادة البسيطة، أي إضافة الكاميرا والإضاءة، تسد معظم الفجوة بين مقطع ممل وآخر صالح للاستخدام. كل ما يلي هو تفاصيل وأدلة.
لقد قمت بتشغيل Veo 3.1 يومياً على BananaBanana منذ أن أطلقنا توليد الفيديو، والفرق بين برومبت كسول وآخر منظم هو أكبر هنا من أي نموذج صور أستخدمه. الصور تغفر الغموض، بينما يعاقب الفيديو عليه مرتين: مرة في الإطار ومرة في الحركة.
ما الذي يجعل برومبت Veo 3.1 جيداً؟
وفقاً لـ وثائق Veo من Google، فإن البرومبت القوي يغطي سبعة عناصر: الموضوع، والحركة، والأسلوب، ووضعية الكاميرا، والتكوين، وتأثيرات التركيز والعدسة، والأجواء المحيطة. لا تحتاج إلى العناصر السبعة كلها في كل مرة، لكنك تحتاج إلى معرفة العناصر التي تتخطاها، لأن النموذج سيرتجل الباقي.
| العنصر | ما يتحكم فيه | مثال |
|---|---|---|
| Subject | من أو ما هو موجود على الشاشة | "an elderly potter with clay-stained hands" |
| Action | ما يحدث خلال المقطع | "shaping a bowl on a spinning wheel" |
| Style | الجمالية العامة للمشهد | "cinematic documentary style" |
| Camera | وضعية وحركة الكاميرا | "slow dolly-in at eye level" |
| Composition | تأطير اللقطة | "close-up" |
| Lens / focus | الخصائص البصرية | "shallow depth of field" |
| Ambiance | إضاءة ومزاج الألوان | "warm window light, dust in the air" |
الترتيب يهم أقل مما يعتقده الناس. عادةً ما أضع الموضوع والحركة في البداية لأن هذا ما يرتكز عليه النموذج، ثم أضيف الكاميرا والإضاءة في النهاية. ما يهم أكثر هو التحديد والوضوح: كتابة "a horse" تترك النموذج ليختار عشوائياً بين أربعين سلالة، بينما تحديد "a chestnut Arabian horse" لا يترك مجالاً لذلك.
تحذير صريح واحد. يحتوي Veo 3.1 على معيد كتابة برومبت من جانب Google يقوم بتوسيع البرومبتات القصيرة قبل التوليد، ولا يمكنك رؤية ما أضافه بالكامل. أحياناً تعود البرومبتات القصيرة بتفاصيل لم تطلبها أبداً. كتابة التفاصيل بنفسك هي الطريقة التي تسلب بها هذا القرار من معيد الكتابة.
كيف تتحكم في الكاميرا في Veo 3.1؟
لغة الكاميرا هي الجزء الأكثر تأثيراً في برومبت Veo 3.1، وهي الجزء الذي يهمله معظم الناس. يفهم النموذج مصطلحات السينما القياسية، لذا استخدمها بحرفية.
بالنسبة للوضعية: aerial view (لقطة جوية)، eye-level (مستوى العين)، low-angle shot (زاوية منخفضة)، top-down shot (من الأعلى لأسفل)، over-the-shoulder (من فوق الكتف). بالنسبة للحركة: dolly in or out (حركة الكاميرا للداخل أو الخارج)، tracking shot (لقطة تتبع)، pan left or right (تحريك الكاميرا يساراً أو يميناً)، tilt up (إمالة لأعلى)، slow zoom (تقريب بطيء)، POV shot (منظور الشخص الأول). بالنسبة للتأطير: extreme close-up (لقطة قريبة جداً)، close-up (لقطة قريبة)، medium shot (لقطة متوسطة)، wide shot (لقطة واسعة)، establishing shot (لقطة تأسيسية). بالنسبة للبصريات: shallow focus (تركيز ضحل)، deep focus (تركيز عميق)، macro lens (عدسة ماكرو)، wide-angle lens (عدسة واسعة الزاوية)، soft focus (تركيز ناعم).
قاعدتان عمليتان من تجارب التوليد لدينا. أولاً، حركة كاميرا واحدة لكل مقطع. إن البرومبت الذي يطلب "a pan that becomes a dolly-in and then tilts up" يمنحك عادةً حركة واحدة فقط من الثلاثة يتم اختيارها عشوائياً، أو تسوية غير واضحة. مدة المقاطع تتراوح بين 4 إلى 8 ثوانٍ؛ وهناك متسع لحركة واحدة منفذة بشكل جيد. ثانياً، تتفوق أفعال الحركة على أسماء الكاميرا عند التعارض. إذا كان موضوعك "sprints" (يركض بسرعة) ولكن الكاميرا "static wide shot" (لقطة واسعة ثابتة)، فتوقع أن يعطي النموذج الأولوية للركض ويحرك الكاميرا على أي حال. اجعلهما متوافقين.
تعمل الإضاءة بنفس الطريقة: حددها كما يفعل مدير التصوير السينمائي. تعبيرات مثل "Golden hour backlight" (إضاءة خلفية في الساعة الذهبية)، "cool blue moonlight" (ضوء القمر الأزرق البارد)، "harsh overhead fluorescent" (إضاءة فلورسنت علوية قاسية)، "flickering torchlight" (ضوء مشعل متذبذب) كلها تُقرأ بشكل موثوق. أما الكلمات المزاجية الغامضة مثل "beautiful lighting" فلا تعني شيئاً للنموذج.
قبل وبعد: نفس الفكرة، اثنان من البرومبتات
الكلام سهل، لذا إليك نفس المشهد الذي تم توليده مرتين باستخدام Veo 3.1 Fast على BananaBanana، بدون صوت، بمدة 6 ثوانٍ، وبدقة 720p. التكلفة الإجمالية لكلا العرضين: حوالي $1.
أولاً، البرومبت الذي يكتبه الجميع في اليوم الأول. مجرد "A horse running on a beach":
إنه جيد. لاحظ أن النموذج اختار غروب الشمس بنفسه؛ هذا هو معيد كتابة البرومبت يتخذ القرارات نيابة عنك. يظل التأطير لقطة واسعة بعيدة، ولا تلتزم الكاميرا بحركة معينة، ولم يكن أي من ذلك خيارك. الآن نفس الفكرة أعيدت كتابتها بالهيكل المكون من سبعة عناصر: "A chestnut Arabian horse gallops along wet sand at golden hour, kicking up spray of seawater with its hooves, low-angle tracking shot moving alongside the horse, shallow depth of field, warm backlit rim light from the setting sun":
نفس الموضوع، نفس النموذج، نفس السعر. المقطع الثاني يحتوي على حركة كاميرا مدروسة، واتجاه إضاءة متناسق، ورذاذ ماء يلتقط الإضاءة الخلفية، وكلها كانت كلمات في البرومبت وليست مجرد حظ.
درس واحد مستفاد من صنع هذا العرض التوضيحي كلفني محاولتي إعادة توليد: نسخة سابقة من هذا البرومبت انتهت بـ "cinematic 35mm look"، وأخذ Veo الإشارة إلى شريط الفيلم حرفياً، مما أدى إلى ظهور خطوط سوداء (letterbox) مدمجة في الإطار. مرتين. الكلمات الأسلوبية مثل "35mm" أو "anamorphic" أو "cinematic film look" يمكن أن تجلب مظهر الشاشة العريضة بالكامل، بما في ذلك الخطوط السوداء. إذا كنت تريد المزاج الفني بدون هذه الخطوط، فحدد الإضاءة وسلوك العدسة مباشرة وتجنب مصطلحات أشرطة الأفلام.
إذا كنت تبدأ من صورة بدلاً من النص، فإن الآلية تتغير قليلاً (تثبت صورتك الإطار الأول ويصف البرومبت الحركة فقط). لقد غطينا سير العمل هذا بشكل منفصل في دليل تحويل الصورة إلى فيديو.
كيف تكتب برومبت الصوت في Veo 3.1؟
يولد Veo 3.1 صوتاً أصلياً، ووفقاً لوثائق Google فإنه يكون مفعلاً دائماً في واجهة برمجة التطبيقات (API): الحوار، والمؤثرات الصوتية، والضوضاء المحيطة، وتكون متزامنة مع الصورة. يمكنك التحكم في كل منها باستخدام نمط نصي مختلف.
- يوضع الحوار بين علامتي تنصيص متبوعاً بالمتحدث: A man murmurs, "This must be it."
- تُصاغ المؤثرات الصوتية كأحداث: "tires screeching" (صرير الإطارات)، "waves crashing against rocks" (تلاطم الأمواج على الصخور).
- توصف الأجواء المحيطة كخلفية عامة: "faint hum of fluorescent lights" (طنين خافت لأضواء الفلورسنت)، "distant seagulls" (نوارس بعيدة).
يُظهر برومبت المثال الخاص بـ Google هذا النمط: "A close up of two people staring at a cryptic drawing on a wall, torchlight flickering. A man murmurs, 'This must be it.'" ينتج اقتباس الحوار كلاماً متزامناً مع حركة الشفاه، وتعبير "flickering" مع "torchlight" يؤسسان لنغمة أجواء الغرفة.
حافظ على قصر الجمل المنطوقة. في اختباراتنا، أي شيء يتجاوز حوالي اثنتي عشرة كلمة لكل سطر يهدد بقص نهاية الكلام أو إسراعه داخل مقطع مدته 8 ثوانٍ. واكتب حواراً لمتحدث واحد أو اثنين فقط، وليس لحشد من الناس؛ فالأصوات المتداخلة تظهر مشوشة.
على BananaBanana، يعد الصوت خياراً قابلاً للتبديل، ويتم تسعيره بشكل منفصل لأن Google تحاسب عليه بشكل منفصل: يكلف مقطع صامت مدته 8 ثوانٍ من Veo 3.1 Fast قيمة $0.70، أو $1.00 مع الصوت بدقة 720p أو 1080p. العروض التوضيحية أعلاه صامتة عمداً، وهو الخيار الاقتصادي الصادق عندما يكون المقطع مخصصاً للتشغيل التلقائي الصامت على أي حال. (إذا كنت تريد صوتاً في كل مقطع بشكل افتراضي، فإن نموذج Omni Flash يتخذ النهج المعاكس: الصوت يعمل دائماً بسعر $0.10 لكل ثانية.)
البرومبت السلبي، والمدد الزمنية، وتكلفة Veo 3.1
وضع البرومبت السلبي (المطالبة السلبية) مربك بالفعل، لذا إليك ما نراه من جانب واجهة برمجة التطبيقات (API). لا توثق مستندات Gemini API لـ Veo 3.1 معامل البرومبت السلبي. بينما تقبل نقطة نهاية Vertex AI، وهي التي يعمل عليها BananaBanana، معامل negativePrompt، وفي عمليات التوليد لدينا، فإنه يوجه المخرجات بشكل ملموس. لذا فإن هذا الحقل موجود في المولد الخاص بنا ويعمل؛ فقط لا تتوقع منه أن يتصرف كفلتر صارم.
كتابة السلبيات لها قاعدة واحدة غير بديهية مأخوذة من إرشادات البرومبت من Google: لا تكتب أبداً "no" أو "don't" في حقل السلبيات. قم بسرد الأشياء غير المرغوب فيها كأسماء مجردة. عبارة "Cartoon, low quality, text overlay, watermark" تعمل بشكل جيد، أما عبارة "no cartoons" فقد تؤدي إلى نتيجة عكسية لأن كلمة "cartoon" لا تزال مستخدمة.
المدد والتنسيقات، وفقاً لوثائق Google وإعدادات الإنتاج لدينا: تعمل المقاطع لمدة 4، أو 6، أو 7، أو 8 ثوانٍ بنسبة عرض إلى ارتفاع 16:9 أو 9:16، مع مخرجات بدقة 720p و1080p و4K. الطول البالغ 8 ثوانٍ مطلوب لدقة 1080p و4K، والصور المرجعية، والتمديد. التمديد هو الميزة الكامنة لـ Veo: يضيف كل طلب 7 ثوانٍ إضافية، حتى 20 مرة، وهو ما يسمح لك بتجاوز دقيقتين من سلسلة برومبت واحدة.
أسعار BananaBanana الحالية لمقطع مدته 8 ثوانٍ بدقة 720p:
| النموذج | صامت | مع الصوت |
|---|---|---|
| Veo 3.1 Lite | $0.20 | $0.36 |
| Veo 3.1 Fast | $0.70 | $1.00 |
| Veo 3.1 | $1.40 | $3.00 |
مقطع صامت مدته 4 ثوانٍ من Lite يكلف $0.10، والرصيد المجاني الذي يحصل عليه كل حساب جديد يكفي لمقطعين منها. لذا، فإن أول فيديو لك باستخدام Veo لا يكلفك شيئاً، وبصراحة، فإن دقة Lite بمستوى 720p جيدة بما يكفي لتعلم هيكل البرومبت قبل أن تنفق أموالاً حقيقية على Fast أو النموذج الكامل. شبكة الأسعار الكاملة متوفرة في صفحة الأسعار.
سير العمل الافتراضي الخاص بي: صياغة البرومبت على Lite، والتكرار حتى تتماسك الحركة والتأطير، ثم إعادة تشغيل البرومبت النهائي مرة واحدة على Fast أو Veo 3.1. جودة البرومبت تنتقل عبر الفئات بشكل مثالي تقريباً; فجودة الرندر هي ما تدفع مقابل الحصول عليه.
الأسئلة الشائعة
ما هو أفضل هيكل للبرومبت في Veo 3.1؟
الموضوع، والحركة، والأسلوب، والكاميرا، والتكوين، والعدسة، والأجواء المحيطة، بهذا الترتيب تقريباً. قالب مدمج: "[shot type] of [subject] [action] in [setting], [camera move], [lens], [lighting]". الأسماء المحددة تتفوق على الصفات، وحركة كاميرا واحدة لكل مقطع تتفوق على ثلاث.
هل يدعم Veo 3.1 البرومبت السلبي؟
نعم على Vertex AI: يتم قبول معامل negativePrompt ويعمل بشكل جيد، على الرغم من أن مستندات Gemini API لا تدرجه لـ Veo 3.1. اكتب السلبيات كأسماء مجردة ("cartoon, blurry, watermark")، وتجنب استخدام الجمل مثل "no X".
كيف أجعل Veo 3.1 يولد الكلام؟
ضع الجملة بين علامتي تنصيص واربطها بمتحدث داخل البرومبت: A woman whispers, "We're not alone." يقوم Veo بمزامنة حركة الشفاه للخطوط القصيرة بشكل جيد؛ اجعل الحوار أقل من حوالي اثنتي عشرة كلمة لكل مقطع.
ما هي أقصى مدة يمكن أن يصل إليها فيديو Veo 3.1؟
المقاطع الأساسية تتراوح بين 4 إلى 8 ثوانٍ. ومع التمديد (7 ثوانٍ إضافية لكل طلب، حتى 20 تمديداً وفقاً لوثائق Google)، يمكن لسلسلة واحدة أن تصل إلى 148 ثانية بدقة 720p.
كم يبلغ سعر فيديو Veo 3.1 الواحد؟
على BananaBanana، يبدأ السعر من $0.10 (مقطع صامت مدته 4 ثوانٍ من Veo 3.1 Lite بدقة 720p) إلى $4.40 (مقطع مدته 8 ثوانٍ بدقة 4K من Veo 3.1 مع الصوت). الخيار الافتراضي المتوسط، وهو مقطع صامت مدته 8 ثوانٍ من Fast، يبلغ سعره $0.70.