Офіційні рекомендації Google для Veo зводяться до семи елементів, і приклади на цій сторінці використовують усі: суб'єкт, дія, контекст, стиль, положення й рух камери, атмосфера та звук. Пишіть це як технічне завдання на зйомку: «Cinematic aerial drone shot (камера) of turquoise waves breaking against limestone cliffs (суб'єкт, контекст), slowly pushing forward along the coastline (рух), golden hour haze (атмосфера)». Лексика камери — головний важіль: dolly in, tracking shot, aerial, low-angle, close-up, rack focus — одна фраза про камеру змінює весь ролик.
Звук задається у тому ж тексті: опишіть фонові звуки та ефекти звичайними словами, а репліки візьміть у лапки — Veo 3.1 переконливо синхронізує губи під короткі фрази. У Veo звук опціональний і тарифікується окремо; у Gemini Omni Flash звук завжди увімкнений, а тривалість ролика ви задаєте самі — від 3 до 10 секунд по $0.10 за секунду. Беззвучні кліпи Veo 3.1 на тарифі Lite починаються від $0.10; біля кожного прикладу нижче вказана модель і реальна вартість цієї генерації.