Blog›Guides

Veo 3 vs Veo 3.1: Como os Prompts de Vídeo Mudaram

Comparamos 741 prompts da família Veo 3. Os prompts do Veo 3.1 são duas vezes mais longos, metade são JSON, e eles direcionam a câmera com muito mais frequência, enquanto os prompts do Veo 3 dependem mais de som e diálogo.

Veo 3 e Veo 3.1 são da mesma família, e a maioria das pessoas os trata como intercambiáveis. Os prompts que as pessoas realmente escrevem para eles dizem o contrário. Analisamos os 741 prompts indexáveis da família Veo 3 no catálogo do Wikiprompt (611 escritos para Veo 3 ou Veo 3 Fast, 130 escritos explicitamente para Veo 3.1) e comparamos como eles são construídos. A versão curta: os prompts do Veo 3.1 são duas vezes mais longos, muito mais estruturados e mais direcionados sobre a câmera, enquanto os prompts do Veo 3 dependem mais de som e diálogo.

Os números de relance

Comprimento: a mediana do prompt do Veo 3 é de cerca de 690 caracteres. A mediana do prompt do Veo 3.1 é de cerca de 1.400. As pessoas escrevem duas vezes mais para o 3.1.

Estrutura JSON: 31% dos prompts do Veo 3 são objetos JSON. Para o Veo 3.1, isso salta para 49%, quase metade.

Direção de câmera: 34% dos prompts do Veo 3 nomeiam um movimento específico (dolly, tracking, pan, crane, drone, handheld, orbit). Para o Veo 3.1, é 57%.

Instruções negativas: 7% dos prompts do Veo 3 incluem um prompt negativo ou uma linha "sem legendas, sem texto". Para o Veo 3.1, é 18%.

Áudio: 49% dos prompts do Veo 3 descrevem som (áudio ambiente, SFX, música). Para o Veo 3.1, cai para 38%.

Diálogo: aproximadamente nivelado, 39% para o Veo 3 e 43% para o Veo 3.1.

Proporção de aspecto: ambos são esmagadoramente 16:9 (605 dos 741 prompts).

Nossas pontuações editoriais (1 a 5, deliberadamente rigorosas) são próximas: os prompts do Veo 3.1 têm média de 3,32 em wow e 4,02 em qualidade técnica, os prompts do Veo 3 têm 3,24 e 3,97. A utilidade como modelo reutilizável é ligeiramente maior para o 3.1 (3,39 vs 3,27), o que combina com a mudança para JSON estruturado e de preencher lacunas.

No que os prompts do Veo 3 são bons

O Veo 3 foi o modelo que tornou o áudio nativo mainstream, e o corpus mostra isso. Metade dos seus prompts gasta palavras em design de som: passos, vento, murmúrio de multidão, uma linha falada entre aspas. As palavras-chave mais comuns são cinematic, slow motion, action, epic, surreal, nature e wildlife, e um gênero reconhecível decolou aqui: a aventura em primeira pessoa, escrita em segunda pessoa ("você encaixa bindings magnéticos em uma gravity-board...").

Os melhores prompts do Veo 3 são cenas curtas com um batimento claro e uma surpresa:

Miniature Extreme Sports World Inside a Red Bull Can - um único push contínuo de um telhado para um mundo minúsculo dentro de uma lata. Um comercial de produto disfarçado de história.

City Park Magic Pigeon - oito segundos, um banco, uma reviravolta. Prova de que um parágrafo em linguagem simples ainda funciona.

Space Elevator Gravity-Board Descent POV - o modelo "incorporar o espectador" no seu estado mais ambicioso.

Mars Dust Storm Survival POV Prompt for Veo 3 - mesmo modelo, drama de sobrevivência, com um forte senso de riscos físicos.

Neon Cyber-Noir Mech Chase POV Prompt for Veo 3 - a fórmula POV aplicada a uma cabine, neon e velocidade.

Veo3 Skateboarder Urban Night Cinematic Prompt - um exemplo inicial da lista de cenas JSON, vertical 9:16.

Film Noir Detective Alley Scene Prompt - uma especificação de cena JSON que parece notas de um diretor de fotografia.

Coastal Pier Dolphin Surprise - a estrutura "configuração serena, revelação súbita" que muitos clipes virais do Veo 3 compartilham.

O que mudou com o Veo 3.1

Os prompts do Veo 3.1 parecem documentos de produção. As palavras-chave dominantes mudam de palavras de aventura para palavras de ofício: photorealistic, 4k, macro, shallow depth of field, golden hour, commercial, steam. O formato mais copiado no catálogo é o JSON commercial_specifications: um título, uma duração (geralmente 8 ou 10 segundos), uma proporção de aspecto, uma resolução, e depois uma lista de cenas que leva um produto de matéria-prima a objeto finalizado.

As pessoas também usam o 3.1 para recursos de continuidade: 7% dos prompts do 3.1 mencionam imagens de referência, ingredientes ou primeiro e último quadro, contra 2% para o Veo 3. E o salto em instruções negativas (18%) mostra escritores de prompts lutando contra modos de falha específicos, principalmente legendas queimadas e texto solto.

Os destaques:

Luxury Honey Commercial Cinematic Macro Video Prompt - o modelo que define o gênero "de ingrediente bruto a ouro líquido".

From Cocoa Pod to Chocolate: Cinematic Macro Video Prompt - a mesma estrutura aplicada ao chocolate, mostrando o quão reutilizável ela é.

Farm to Table: Potato Chip Transformation - e novamente para uma marca de salgadinhos. Troque o produto, mantenha o esqueleto.

Cinematic Artisanal Coffee Commercial (Veo 3.1) - da cereja do café à xícara.

Veo 3.1: Jungle to Desert Biomechanical Chase - nem todo prompt do 3.1 é um anúncio. Este é um único plano de tracking que cruza dois biomas em oito segundos.

Cinematic Avalanche Chase on Frozen Cliff Road - física em grande escala, enquadramento aéreo.

Headphones Building From Metal Dust - Veo 3.1 JSON Prompt - a revelação de produto "montar a partir de partículas", com fps e duração definidos explicitamente.

Kitchen Renovation Timelapse Transformation - uma câmera fixa e uma progressão de luz da manhã à noite, um formato que só funciona quando o modelo mantém o quadro estável.

Aura and Basalt: Miniature Sunmelon Silk Gelato - um diorama miniatura com chefs minúsculos, um dos conceitos mais originais do conjunto.

Padrões que funcionam em ambos

Uma cena, um batimento. Oito segundos é curto. Os prompts mais fortes em ambos os grupos descrevem um movimento de câmera contínuo e um evento.

Nomeie o movimento da câmera. "Tracking shot", "camera movement" e "close-up" estão entre as palavras-chave mais frequentes em toda a família Veo 3.

Escreva o som. Ambos os modelos geram áudio nativamente; mais de um terço dos prompts em cada grupo o descreve, e um único som específico é suficiente para ancorar uma cena.

Coloque o diálogo entre aspas. Ambos os modelos lidam muito melhor com uma linha curta citada do que com uma paráfrase.

Diga o que você não quer. "Sem legendas, sem texto na tela" economiza muitos rerolls.

Uma receita inicial rápida

Para o Veo 3, comece com um parágrafo:

A [hora do dia], vídeo de [duração]-segundos em [local]. [Movimento de câmera] em direção a [sujeito]. [O único evento que acontece]. Áudio: [som ambiente], [um efeito sonoro específico]. [Personagem] diz: "[linha curta]". Sem legendas.

Para o Veo 3.1, comece com o esqueleto JSON em que o catálogo continua convergindo:

{ "duration_seconds": 8, "aspect_ratio": "16:9", "style": "[visual]", "camera": "[movimento]", "shots": [ { "time": "0-3s", "action": "[configuração]" }, { "time": "3-8s", "action": "[recompensa]" } ], "audio": "[som]", "negative": "sem texto, sem legendas" }