Veo 3.1 Prompt Kılavuzu: Gerçekten İşe Yarayan Promptlar Yazın

Bir Veo 3.1 promptu, Google'ın video modeline neyi ve nasıl çekeceğini söyleyen kısa bir sahne açıklamasıdır. Modeller metninizi bir yönetmenin brifingi gibi ele alır: metinden konuyu, aksiyonu, tarzı, kamera çalışmasını, kompozisyonu, mercek seçimini ve ışıklandırmayı okur, ardından belirtmediğiniz her şeyi kendi tahminleriyle doldurur. İyi prompt yazmak, esasen tahmine daha az şey bırakmakla ilgilidir.

Tek bir paragraf okuyacaksanız, işin özeti şudur: tek bir konunun tek bir aksiyonu gerçekleştirdiğini tanımlayın, ardından kamerayı ekleyin. Kullanışlı bir şablon şöyledir: "[çekim türü] / [konu] [aksiyon gerçekleştiriyor] / [mekan], [kamera hareketi], [mercek veya odaklama], [ışıklandırma ve atmosfer]". Sadece kamerayı ve ışığı ekleme alışkanlığı bile sıkıcı bir klip ile kullanılabilir bir klip arasındaki farkı büyük ölçüde kapatır. Aşağıdaki her şey detaylar ve kanıtlardan ibarettir.

Video üretimi özelliğini başlattığımızdan beri BananaBanana üzerinde her gün Veo 3.1 çalıştırıyorum ve özensiz bir prompt ile yapılandırılmış bir prompt arasındaki fark, burada kullandığım diğer tüm görsel modellerinden çok daha büyük. Görseller belirsizliği affeder. Video ise bunu hem karede hem de harekette olmak üzere iki kez cezalandırır.

İyi bir Veo 3.1 promptu nasıl olur?

Google'ın Veo dokümantasyonuna göre, güçlü bir prompt yedi unsuru kapsar: konu, aksiyon, tarz, kamera konumu, kompozisyon, odak ve mercek efektleri ile atmosfer. Her seferinde yedisine de ihtiyacınız yoktur. Ancak hangilerini atladığınızı bilmeniz gerekir, çünkü model geri kalanını doğaçlama olarak tamamlayacaktır.

Sıralama insanların düşündüğünden daha az önem taşır. Ben genellikle konuyu ve aksiyonu başa koyuyorum çünkü model bunlara odaklanır, ardından kamerayı ve ışığı sona ekliyorum. Daha önemli olan şey ise belirginliktir: "bir at" ifadesi model için kırk cins arasında yazı tura atmak gibiyken, "al bir Arap atı" ifadesi öyle değildir.

Dürüst bir uyarı: Google tarafında, kısa promptları üretimden önce genişleten bir Veo 3.1 prompt yeniden yazıcısı (rewriter) bulunur ve ne eklediğini tam olarak göremezsiniz. Kısa promptlar bazen hiç istemediğiniz detaylarla geri dönebilir. Detayları kendiniz yazmak, bu kararı yeniden yazıcının elinden almanın yoludur.

Veo 3.1'de kamerayı nasıl kontrol edersiniz?

Kamera dili, Veo 3.1 promptunun en etkili kısmıdır ve çoğu insanın dışarıda bıraktığı kısımdır. Model standart sinema terminolojisini anlar, bu yüzden onu tam anlamıyla kullanın.

Konum için: havadan çekim (aerial view), göz hizası (eye-level), düşük açılı çekim (low-angle shot), tepeden çekim (top-down shot), omuz üstü çekim (over-the-shoulder). Hareket için: yaklaşma veya uzaklaşma (dolly in or out), takip çekimi (tracking shot), sola veya sağa çevirme (pan left or right), yukarı eğme (tilt up), yavaş yakınlaştırma (slow zoom), POV çekimi (POV shot). Çerçeveleme için: aşırı yakın çekim (extreme close-up), yakın çekim (close-up), orta çekim (medium shot), geniş çekim (wide shot), boy çekimi (establishing shot). Optik için: sığ odak (shallow focus), derin odak (deep focus), makro mercek (macro lens), geniş açılı mercek (wide-angle lens), yumuşak odak (soft focus).

Kendi üretimlerimizden çıkardığımız iki pratik kural: İlk olarak, klip başına tek bir kamera hareketi. "Dolly-in'e dönüşen ve ardından yukarı eğilen bir pan" isteyen bir prompt, genellikle rastgele seçilen bu üç hareketten birini veya belirsiz bir uzlaşmayı sunar. Klipler 4 ila 8 saniyedir; iyi yapılmış tek bir hareket için yeterli alan vardır. İkincisi, çelişki durumunda hareket fiilleri kamera isimlerini gölgeler. Konunuz "hızla koşuyor" (sprints) ancak kamera "sabit geniş çekim" (static wide shot) ise, modelin koşuya öncelik vermesini ve kamerayı yine de hareket ettirmesini bekleyin. Bunların birbiriyle uyumlu olmasını sağlayın.

Işıklandırma da aynı şekilde çalışır: Ona bir görüntü yönetmeni gibi isim verin. "Golden hour backlight" (altın saat arka ışığı), "cool blue moonlight" (serin mavi ay ışığı), "harsh overhead fluorescent" (sert tepeden floresan ışığı), "flickering torchlight" (titrek meşale ışığı) ifadelerinin tümü güvenilir sonuçlar verir. "Beautiful lighting" (güzel ışıklandırma) gibi belirsiz duygu sözcükleri ise hiçbir anlam ifade etmez.

Öncesi ve sonrası: aynı fikir, iki farklı prompt

Lafı uzatmayalım; işte aynı sahnenin BananaBanana üzerinde Veo 3.1 Fast ile üretilmiş iki sessiz, 6 saniyelik, 720p çözünürlükteki versiyonu. Her iki demonun toplam maliyeti: yaklaşık $1.

İlk olarak, herkesin ilk gün yazdığı türden bir prompt. Sadece "A horse running on a beach":

Kötü sayılmaz. Modelin gün batımını tamamen kendi kendine seçtiğine dikkat edin; bu, kararları sizin yerinize veren prompt rewriter sistemidir. Çerçeve uzak bir geniş çekim olarak kalıyor, kamera hiçbir hareket sergilemiyor ve bunların hiçbiri sizin seçiminiz değildi. Şimdi aynı fikri yedi unsurlu yapıyla yeniden yazalım: "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":

Aynı konu, aynı model, aynı fiyat. İkinci klip, şansa bırakılmak yerine prompttaki kelimeler sayesinde bilinçli bir kamera açısına, tutarlı bir ışık yönüne ve arka ışığı yakalayan su damlacıklarına sahip.

Bu demoyu hazırlarken aldığım ve bana iki kez yeniden denemeye mal olan bir ders: O promptun daha önceki bir sürümü "cinematic 35mm look" ifadesiyle bitiyordu ve Veo, film referansını tam anlamıyla ciddiye alarak kareye gömülü siyah sinematik barları (letterbox) ekledi. Hem de iki kez. "35mm", "anamorphic" veya "cinematic film look" gibi tarz kelimeleri, barlar dahil olmak üzere tüm geniş ekran sunumunu beraberinde getirebilir. Barlar olmadan o havayı yakalamak istiyorsanız, doğrudan ışığı ve mercek davranışını tanımlayın ve film şeridi terminolojisini kullanmaktan kaçının.

Metin yerine bir fotoğraftan başlıyorsanız mekanikler biraz değişir (görseliniz ilk kareyi kilitler ve prompt yalnızca hareketi tanımlar). Bu iş akışını görselden videoya kılavuzumuzda ayrıntılı olarak ele aldık.

Veo 3.1'de ses promptu nasıl yazılır?

Veo 3.1 entegre ses üretir ve Google dokümantasyonuna göre bu özellik API'de her zaman açıktır: diyaloglar, ses efektleri ve ortam gürültüsü, görüntüyle senkronize bir şekilde üretilir. Bunların her birini farklı bir metin kuralıyla kontrol edersiniz.

• Diyalog konuşmacıya iliştirilerek tırnak içinde yazılır: Bir adam mırıldanır, "This must be it." (Aradığımız şey bu olmalı.)
• Ses efektleri olaylar olarak belirtilir: "tires screeching" (lastik gıcırtısı), "waves crashing against rocks" (kayalara çarpan dalgalar).
• Ortam sesi atmosfer olarak tanımlanır: "faint hum of fluorescent lights" (floresan lambaların hafif vınlaması), "distant seagulls" (uzaktaki martılar).

Google'ın kendi örnek promptu bu yapıyı gösterir: "A close up of two people staring at a cryptic drawing on a wall, torchlight flickering. A man murmurs, 'This must be it.'" Diyalog tırnağı dudak senkronizasyonlu konuşma üretir, "flickering" (titrek) ve "torchlight" (meşale ışığı) ise oda tonunu oluşturur.

Konuşma satırlarını kısa tutun. Testlerimizde, satır başına yaklaşık bir düzineden fazla kelime içeren her şey, 8 saniyelik bir klip içinde son kısmın kesilmesi veya aceleye getirilmesi riskini taşır. Diyaloğu kalabalık için değil, bir veya iki konuşmacı için yazın; üst üste binen sesler anlaşılmaz bir hal alır.

BananaBanana üzerinde ses bir seçenektir ve Google bunu ayrı faturalandırdığı için ayrı olarak fiyatlandırılır: 8 saniyelik bir Veo 3.1 Fast klibi sessiz olarak $0.70 veya 720p ya da 1080p çözünürlükte sesli olarak $1.00 tutarındadır. Yukarıdaki demolar bilerek sessizdir; bir klibin zaten sessiz otomatik oynatmaya yönelik olduğu durumlarda bu, dürüst bir bütçe tasarrufu adımıdır. (Varsayılan olarak her klipte ses istiyorsanız, Omni Flash modeli tam tersi bir yaklaşım benimser: ses her zaman açıktır ve saniye başına $0.10 faturalandırılır.)

Negatif promptlar, süreler ve Veo 3.1 maliyetleri

Negatif prompt konusu gerçekten kafa karıştırıcıdır, bu yüzden API tarafında gördüklerimizi paylaşalım: Veo 3.1 için Gemini API dokümanlarında bir negatif prompt parametresi bulunmuyor. Ancak BananaBanana'ın üzerinde çalıştığı Vertex AI uç noktası negativePrompt parametresini kabul eder ve üretimlerimizde çıktıyı gözle görülür şekilde yönlendirir. Dolayısıyla bu alan jeneratörümüzde mevcuttur ve çalışır; sadece kesin bir filtre gibi davranmasını beklemeyin.

Negatif yazmanın, Google'ın prompt kılavuzundan alınan ve sezgilere aykırı gelen bir kuralı vardır: negatif alanına asla "no" (hayır) veya "don't" (yapma) yazmayın. İstenmeyen şeyleri düz isimler olarak listeleyin. "Cartoon, low quality, text overlay, watermark" (çizgi film, düşük kalite, metin katmanı, filigran) ifadesi işe yarar; ancak "no cartoons" (çizgi film olmasın) yazmak ters tepebilir çünkü "cartoon" kelimesi hala işleme dahil edilir.

Süreler ve formatlar, Google dokümanlarına ve bizim üretim kurulumumuza göre: Klipler 16:9 veya 9:16 boyutlarında, 720p, 1080p ve 4K çıktı seçenekleriyle 4, 6, 7 veya 8 saniye sürer. 1080p, 4K, referans görseller ve uzatma (extension) için 8 saniyelik uzunluk gereklidir. Uzatma, Veo'nun gizli gücüdür: her istek 7 saniye ekler ve bu işlem 20 kez tekrarlanabilir; tek bir prompt zincirinden iki dakikanın üzerine bu şekilde çıkabilirsiniz.

8 saniyelik 720p bir klip için güncel BananaBanana fiyatları:

4 saniyelik sessiz bir Lite klibi $0.10 tutarındadır; yeni açılan her hesaba verilen ücretsiz bakiye bunlardan iki tanesine yeter. Yani ilk Veo videonuz size hiçbir maliyet getirmez ve dürüst olmak gerekirse, 720p çözünürlükteki Lite sürümü, Fast veya tam model için gerçek para harcamadan önce prompt yapısını öğrenmek için son derece yeterlidir. Tam fiyat tablosuna fiyatlandırma sayfamızdan ulaşabilirsiniz.

Benim varsayılan iş akışım şöyledir: prompt taslağını Lite üzerinde hazırlayın, hareket ve çerçeveleme oturana kadar denemeler yapın, ardından son promptu bir kez Fast veya Veo 3.1 üzerinde çalıştırın. Prompt kalitesi seviyeler arasında neredeyse kusursuz bir şekilde aktarılır; ödediğiniz ücretin asıl karşılığı ise işleme (render) kalitesidir.

SSS

Veo 3.1 için en iyi prompt yapısı hangisidir?

Kabaca şu sırayla: konu, aksiyon, tarz, kamera, kompozisyon, mercek, atmosfer. Küçük bir şablon: "[çekim türü] / [konu] [aksiyon] / [mekan], [kamera hareketi], [mercek], [ışıklandırma]". Belirgin isimler sıfatları gölgede bırakır ve klip başına tek bir kamera hareketi, üç tanesinden çok daha iyi sonuç verir.

Veo 3.1 negatif promptları destekliyor mu?

Vertex AI üzerinde, evet: Gemini API dokümanlarında Veo 3.1 için listelenmese de negativePrompt parametresi kabul edilir ve çalışır. Negatifleri asla "X olmasın" cümleleri şeklinde değil, düz isimler şeklinde yazın ("cartoon, blurry, watermark").

Veo 3.1'in konuşma üretmesini nasıl sağlarım?

Satırı tırnak içine alın ve prompt içindeki bir konuşmacıya iliştirin: Bir kadın fısıldar, "We're not alone." Veo kısa satırları iyi bir şekilde dudak senkronizasyonu yapar; diyaloğu klip başına yaklaşık bir düzineden az kelimeyle sınırlandırın.

Bir Veo 3.1 videosu ne kadar uzun olabilir?

Temel klipler 4 ila 8 saniyedir. Uzatmayla (istek başına ek 7 saniye, Google dokümanlarına göre 20 uzatmaya kadar) tek bir zincir 720p çözünürlükte 148 saniyeye ulaşabilir.

Bir Veo 3.1 videosu ne kadar maliyetlidir?

BananaBanana üzerinde, $0.10'dan (4 saniyelik sessiz 720p Veo 3.1 Lite) $4.40'a (sesli, 8 saniyelik 4K Veo 3.1) kadar değişmektedir. Orta segment varsayılan seçenek olan 8 saniyelik sessiz Fast klibi ise $0.70 tutarındadır.