Google'ın Veo için kendi rehberliği yedi temel unsura dayanır ve bu sayfadaki örneklerin hepsi bunları kullanır: konu, eylem, bağlam, stil, kamera konumu ve hareketi, ambiyans ve ses. Bir çekim özeti gibi yazın: “Cinematic aerial drone shot (camera) of turquoise waves breaking against limestone cliffs (subject, context), slowly pushing forward along the coastline (motion), golden hour haze (ambiance)”. Kamera terminolojisi en büyük kaldıraçtır — dolly in, tracking shot, aerial, low-angle, close-up, rack focus — çünkü tek bir kamera ifadesi tüm klibi değiştirir.
Ses aynı metinde istenir: ortam sesini ve efektlerini basit kelimelerle açıklayın ve diyalogu tırnak içine alın — Veo 3.1 kısa cümleleri ikna edici bir şekilde dudak senkronizasyonu yapar. Veo'da ses isteğe bağlıdır ve ayrı fiyatlandırılır; Gemini Omni Flash'ta ses her zaman açıktır ve klip uzunluğunu kendiniz belirlersiniz, saniyede $0.10 karşılığında 3 ila 10 saniye arasında. Sessiz Veo 3.1 klipleri Lite katmanında $0.10'dan başlar; aşağıdaki her örnek model ve tam üretim maliyetiyle etiketlenmiştir.