Собственные рекомендации Google для Veo сводятся к семи элементам, и примеры на этой странице используют все семь: субъект, действие, контекст, стиль, положение и движение камеры, атмосфера и звук. Пишите как техзадание для оператора: «Кинематографичный кадр с дрона (камера) бирюзовых волн, разбивающихся об известняковые скалы (субъект, контекст), медленное движение вперёд вдоль побережья (движение), золотистая дымка часа (атмосфера)». Лексика камеры — главный рычаг: наезд тележкой, трекинг-кадр, аэросъёмка, нижний ракурс, крупный план, перефокусировка — потому что одна фраза про камеру меняет весь ролик.
Звук задаётся в том же тексте: опишите фоновые звуки и эффекты обычными словами, а реплики — в кавычках, Veo 3.1 убедительно синхронизирует губы под короткие фразы. В Veo звук опционален и оплачивается отдельно; в Gemini Omni Flash звук всегда включён, а длительность ролика вы задаёте сами — от 3 до 10 секунд по $0.10 за секунду. Беззвучные ролики Veo 3.1 начинаются от $0.10 на тарифе Lite; у каждого примера ниже указаны модель и реальная стоимость этой генерации.