Wprowadzenie
Tekst na wideo dla Veo 3.1: na wejściu prompt, na wyjściu klip 720p o długości 4-8 sekund z wygenerowanym dźwiękiem.
| Pole | Wartość |
|---|---|
| Wejście | Tekst |
| Wyjście | Wideo |
| Wydawca | |
| Długość klipu | 4, 6 lub 8 sekund |
| Rozdzielczość | 720p: 1280x720 (16:9) lub 720x1280 (9:16) |
| Proporcje | 16:9, 9:16 |
| Liczba klatek | 24 fps |
| Dźwięk | Generowany w każdym klipie |
| Wejścia | Tekst; pierwsza klatka z opcjonalną ostatnią klatką |
Najważniejsze funkcje
Ujęcie zbudowane w kolejności, w jakiej je opisałeś
Prompt prosił, by kopuła się otworzyła, pojawił się teleskop, a kamera przesunęła się wzdłuż barierki. W 4 sekundy w formacie 9:16 migawka wysunęła się z zamkniętej w pełni otwartą, wnętrze oświetlił bursztynowy blask wokół mosiężnego teleskopu, a kamera ruszyła do przodu wzdłuż zakrzywionej barierki, w tej właśnie kolejności.
Trafienie dokładnie w ostatnią klatkę
Pierwsza klatka pokazuje kobietę przy teleskopie, odwróconą do nas plecami; ostatnia klatka pokazuje ją opierającą się o barierkę ze skrzyżowanymi ramionami. W 4 sekundy odwróciła się, podeszła do barierki i ustawiła się w pozie z ostatniej klatki, a nad kopułą pojawiało się coraz więcej gwiazd.
Cztery sekundy mieszczą jedną akcję
Z jednej pierwszej klatki prompt brzmiał: „On składa mapę i patrzy w górę.” W 4 sekundy złożył mapę obiema rękami, ale na ostatniej klatce wciąż patrzył w dół. Ustaw jedną akcję na każde 4 sekundy albo wybierz 8 sekund na dwie.
Kontynuuj klip z dowolnego modelu
Wysłaliśmy 5-sekundowy klip zrobiony innym modelem i poprosiliśmy o 4 kolejne sekundy: „Droga biegnie dalej wzdłuż morza.” Nowa część podjęła ujęcie z lotu ptaka nad nadmorską drogą i podążyła za samochodem na zakrętach. Dostaliśmy jeden plik 9-sekundowy w rozmiarze klipu źródłowego, a rozliczono tylko 4 nowe sekundy.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Wymagane. Napisz, kto lub co jest w ujęciu, co się dzieje, jak porusza się kamera i jak to brzmi; dialogi ujmij w cudzysłów. od 1 znaków · do 4000 znaków |
aspect_ratio | Nie | 16:9 (domyślnie, 1280x720) lub 9:16 (720x1280). Nie zmienia ceny. |
duration_seconds | Nie | Wybierz 4, 6 lub 8 sekund (domyślnie 8). Cena rośnie wraz z długością. |
Cennik
Rozliczane raz za klip, według ceny jego długości: 4, 6 lub 8 sekund. Proporcje i dźwięk niczego nie dodają. Żądania nieudane lub odrzucone są bezpłatne.
| Specyfikacja | Cena |
|---|---|
| $1.44 / żądanie |
| $2.16 / żądanie |
| $2.88 / żądanie |
Zastosowania
Finalny render po tańszym szkicu
Dopracuj prompt, kadr i timing na Veo 3.1 Fast za $0.36 lub Lite za $0.18 za 4-sekundowy klip, a potem wyślij to samo żądanie do Veo 3.1 po wersję, którą zachowasz. Wszystkie trzy przyjmują te same pola.
Ujęcie produktu lub miejsca, które musi zaczynać i kończyć się na zdjęciach z planu
Podaj zdjęcie otwierające i zdjęcie zamykające oraz opisz ruch między nimi. W naszym teście klip trafił w ostatnią klatkę w 4 sekundy.
Sceny dłuższe niż 8 sekund
Wygeneruj pierwsze 8 sekund, a potem kontynuuj przez przedłużanie wideo: ostatnia klatka klipu otwiera nowy segment 4-8 sekund, a na wyjściu dostajesz jeden połączony plik. Klip źródłowy, do 60 sekund, nie jest rozliczany.
Pionowe klipy z dźwiękiem do postów społecznościowych
Wybierz 9:16 dla klipu 720x1280. Dźwięk powstaje razem z obrazem, więc krótki film jest gotowy bez osobnego etapu audio.
Wskazówki
Pisz w kolejności, w jakiej coś się dzieje
Miejsce i światło, podmiot, akcja, ruch kamery, a na końcu dźwięk. Nasz prompt do obserwatorium był w tej kolejności i klip odegrał ujęcia w tej samej kolejności.
Reżyseruj dźwięk jak ujęcie
Napisz, co ma być słychać: „Sound: wind over sand, the dome's motor”. Wypowiadane słowa ujmij w cudzysłów. Google zaznacza, że bardzo krótkie kwestie wciąż są najtrudniejsze, więc daj scenie z mową kilka sekund.
Dopasuj akcję do długości
Zaplanuj jedną wyraźną akcję na 4 sekundy. W naszym 4-sekundowym teście „składa mapę i patrzy w górę” zdążyło tylko do złożenia mapy.
Zachowaj Veo 3.1 na ujęcie, które zostaje
Przy tej samej długości Veo 3.1 kosztuje cztery razy więcej niż Fast i osiem razy więcej niż Lite. Dopracuj sformułowanie i kadr na tańszym stopniu, a render finalny uruchom tutaj raz.
Wprowadzenie
Veo 3.1 Tekst na wideo to sposób na zamianę opisanej sceny w klip, gdy najważniejsza jest jakość obrazu: najwyższy stopień Veo od Google daje 4, 6 lub 8 sekund w 720p, w 16:9 lub 9:16, i od razu generuje dźwięk. Prompty i obrazy przechodzą własną kontrolę Google; odrzucone żądanie kończy się błędem i nic nie kosztuje.
Wybierz tryb Veo 3.1
| Masz | Użyj |
|---|---|
| tylko opisaną scenę | Veo 3.1 Tekst na wideo (jesteś tutaj) |
| nieruchomy obraz na początek lub na koniec | Veo 3.1 Obraz na wideo |
| materiał, który chcesz kontynuować | Veo 3.1 Przedłużenie wideo |
Wskazówki do promptu
- Buduj prompt jak ujęcie: miejsce i światło, obiekt, akcja, ruch kamery, na końcu dźwięk.
- Dialogi wpisz w cudzysłowie, a tło dźwiękowe opisz osobno.
- Próbuj na 4 sekundach na tańszym stopniu, a render finalny zrób na 8.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "google/veo-3.1/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"aspect_ratio": "16:9",
"duration_seconds": 8
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.