توجيهات Google الرسمية لنموذج Veo تختصر في سبعة عناصر، والأمثلة في هذه الصفحة تستخدمها كلها: الموضوع، الحركة، السياق، الأسلوب، موقع الكاميرا وحركتها، الأجواء، والصوت. اكتبه كأنه تعليمات لقطة: «لقطة درون جوية سينمائية (الكاميرا) لأمواج فيروزية تتكسّر على منحدرات جيرية (الموضوع والسياق)، تتقدم ببطء على طول الساحل (الحركة)، ضباب ساعة الذهب (الأجواء)». مفردات الكاميرا هي أقوى أداة تأثير — dolly in، tracking shot، aerial، low-angle، close-up، rack focus — لأن عبارة كاميرا واحدة تغيّر المقطع بالكامل.
الصوت يُطلب في النص نفسه: صف الأصوات المحيطة والمؤثرات بكلمات بسيطة، وضع الحوار بين علامتي اقتباس — Veo 3.1 يزامن حركة الشفاه مع الجمل القصيرة بشكل مقنع. على Veo، الصوت اختياري ويُسعَّر بشكل منفصل؛ أما على Gemini Omni Flash فالصوت مفعّل دائماً وأنت من يحدد مدة المقطع، من 3 إلى 10 ثوانٍ بسعر $0.10 للثانية. مقاطع Veo 3.1 الصامتة تبدأ من $0.10 في فئة Lite؛ وكل مثال أدناه موسوم بالنموذج وتكلفة تلك التوليدة بالضبط.