Blog›Guides

Veo 3 对比 Veo 3.1：视频提示词如何改变

我们比较了741个Veo 3系列提示词。Veo 3.1的提示词长度是原来的两倍，其中一半是JSON格式，并且更频繁地指导镜头运动，而Veo 3的提示词则侧重于声音和对话。

Veo 3和Veo 3.1属于同一系列，大多数人将它们视为可互换使用。但人们实际为它们编写的提示词却说明了不同之处。我们查看了Wikiprompt目录中741个可索引的Veo 3系列提示词（611个为Veo 3或Veo 3 Fast编写，130个明确为Veo 3.1编写），并比较了它们的构建方式。简而言之：Veo 3.1的提示词长度是Veo 3的两倍，结构更清晰，对摄像机的指导更明确，而Veo 3的提示词则更侧重于声音和对话。

数据概览

长度： Veo 3提示词的中位数约为690个字符。Veo 3.1提示词的中位数约为1,400个。人们为3.1编写的提示词量是两倍。

JSON结构： 31%的Veo 3提示词是JSON对象。对于Veo 3.1，这一比例跃升至49%，几乎占了一半。

摄像机指导： 34%的Veo 3提示词指定了具体的运镜方式（推轨、跟踪、摇摄、吊臂、无人机、手持、环绕）。对于Veo 3.1，这一比例为57%。

负面指令： 7%的Veo 3提示词包含负面提示或“无字幕、无文字”的说明。对于Veo 3.1，这一比例为18%。

音频： 49%的Veo 3提示词描述了声音（环境音、音效、音乐）。对于Veo 3.1，这一比例降至38%。

对话： 大致持平，Veo 3为39%，Veo 3.1为43%。

宽高比： 两者绝大多数为16:9（741个提示词中有605个）。

我们的编辑评分（1到5分，刻意严格）接近：Veo 3.1提示词在惊艳度上平均为3.32，技术质量为4.02，Veo 3提示词分别为3.24和3.97。作为可复用模板的实用性，3.1略高（3.39对3.27），这与向结构化、填空式JSON转变的趋势一致。

Veo 3提示词的强项

Veo 3是让原生音频成为主流的模型，语料库也证明了这一点。其一半的提示词在声音设计上花费笔墨：脚步声、风声、人群低语、引号中的一句台词。最常见的关键词是电影感、慢动作、动作、史诗、超现实、自然和野生动物，一种可识别的类型在这里兴起：第一人称视角冒险，以第二人称书写（“你将磁力绑带扣到重力板上……”）。

最好的Veo 3提示词是短场景，包含一个清晰的节拍和一个惊喜：

迷你极限运动世界红牛罐内 - 从屋顶到罐内微小世界的单次连续推进。一个伪装成故事的产品镜头。

城市公园魔法鸽子 - 八秒，一张长椅，一个转折。证明平实语言的段落仍然有效。

太空电梯重力板下降POV - “让观众身临其境”模板最雄心勃勃的版本。

火星沙尘暴生存POV提示词（Veo 3） - 相同模板，生存剧情，具有强烈的身体风险感。

霓虹赛博黑色机甲追逐POV提示词（Veo 3） - POV公式应用于驾驶舱、霓虹和速度。

Veo3滑板者城市夜景电影感提示词 - JSON场景列表的早期示例，垂直9:16。

黑色电影侦探小巷场景提示词 - 一个JSON镜头规格，读起来像摄影师的笔记。

海岸码头海豚惊喜 - “宁静铺垫，突然揭示”的结构，许多Veo 3病毒式剪辑都共享此模式。

Veo 3.1的变化

Veo 3.1的提示词读起来像制作文档。主导关键词从冒险词汇转向工艺词汇：逼真、4k、微距、浅景深、黄金时刻、商业、蒸汽。目录中最常复制的格式是commercial_specifications JSON：一个标题、一个时长（通常为8或10秒）、一个宽高比、一个分辨率，然后是一个镜头列表，将产品从原材料推进到成品。

人们还将3.1用于连续性功能：7%的3.1提示词提到参考图像、成分或首尾帧，而Veo 3仅为2%。负面指令的跃升（18%）表明提示词编写者正在对抗特定失败模式，主要是烧录字幕和杂散文字。

突出示例：

奢华蜂蜜商业微距电影感视频提示词 - 定义“从原材料到液态黄金”类型的模板。

从可可豆到巧克力：电影感微距视频提示词 - 相同结构应用于巧克力，展示其可复用性。

从农场到餐桌：薯片转化 - 再次用于零食品牌。更换产品，保留骨架。

电影感手工咖啡商业广告（Veo 3.1） - 从咖啡樱桃到杯中。

Veo 3.1：丛林到沙漠生物机械追逐 - 并非每个3.1提示词都是广告。这是一个八秒内穿越两个生物群系的单次跟踪镜头。

电影感雪崩追逐冰冻悬崖公路 - 大规模物理效果，空中构图。

耳机从金属粉尘构建 - Veo 3.1 JSON提示词 - “从粒子组装”的产品揭示，明确设置fps和时长。

厨房翻新延时变换 - 固定摄像机，从早到晚的光线变化，这种格式只有在模型保持画面稳定时才有效。

光环与玄武岩：迷你太阳瓜丝绸冰淇淋 - 一个带有迷你厨师的微型立体模型，是该集合中最原创的概念之一。

两者都适用的模式

一个镜头，一个节拍。 八秒很短。两组中最强的提示词都描述一个连续的摄像机移动和一个事件。

明确摄像机移动。 “跟踪镜头”、“摄像机移动”和“特写”是整个Veo 3系列中最常见的关键词。

写出声音。 两个模型都原生生成音频；每组中超过三分之一的提示词描述了声音，一个具体的声音就足以锚定场景。

对话用引号。 两个模型处理短引号台词的效果远好于转述。

说明你不想要的内容。 “无字幕、无屏幕文字”可以省去大量重试。

快速入门配方

对于Veo 3，从段落开始：

一个[一天中的时间]，[时长]秒的视频，地点在[位置]。[摄像机移动]朝向[主体]。[发生的一个事件]。音频：[环境音]，[一个具体音效]。[角色]说：“[短台词]”。无字幕。

对于Veo 3.1，从目录中不断收敛的JSON骨架开始：

{ "duration_seconds": 8, "aspect_ratio": "16:9", "style": "[外观]", "camera": "[移动]", "shots": [ { "time": "0-3s", "action": "[铺垫]" }, { "time": "3-8s", "action": "[揭示]" } ], "audio": "[声音]", "negative": "无文字，无字幕" }