Google 那份 Veo 提示词页面摆出七个可以直接照着写的要素，整套方法用那一页自己的话说就一句：你补的细节越多，对最终成片的控制就越强。
有一件事得先说清楚，多数教程都跳过了。那一页的标题写的是 Veo 3，不是 Veo 3.1。Google 对 Veo 3.1 提示词能力的公开描述只有半句话——提示词遵循更强。所以下面这七个要素，我们按「Google 明文写下的结构」来对待，其余的推断会单独标出来。
Google 到底公布了什么
Veo 3.1 的公告在能力上很慷慨，在提示词上很吝啬。它写了更丰富的音频、更强的叙事控制、更真实的质感，还补了一句：这个模型构建在 Veo 3 之上，提示词遵循更强，把图片转成视频时的视听质量也更好。
关于 Veo 3.1 怎么响应提示词，官方说法到此为止。没有公式，没有模板，也没有字数上限。结构在另一份提示词指南里，能力清单在模型页上：1080p 与 4K 输出、镜头与运动控制、场景延展，以及用参考图保持角色一致性。
Google 点名的七个要素
镜头景别与运动、风格、光线、角色描述、地点、动作、对白。指南把景别与运动写成一个问句，问的是你希望画面怎么框、摄影机在镜头里怎么动，而不是一句命令。这个细节值得留意：镜头调度是一等输入，不是装饰。
角色描述配了一组对照。写「二十多岁、波浪棕发、脸上有浅浅雀斑的女性」，比写「一个棕发女性」更具体。同一个主体，模型能用的信息量不一样。
社区版本丢掉的两个要素
多数第三方教程把七个压成五块：主体、镜头、光线、音频、技术。这个映射离得不远，却合并了两个 Google 分开处理的东西。对白单独占一个要素，因为 Veo 能生成语音，你可以给角色一个话题，也可以给它确切的词。音频也单独成节，指南说音频提示写在行内或单独一段都行。
把这两块在自己的模板里分开，就不会再写出镜头完美、却没人开口的提示词。
官方七个对社区五块：差别在哪
| 社区那一块 | 对应的官方要素 | 分开之后会变什么 |
|---|---|---|
| 主体 | 角色描述 | 写出具体身体特征，比写关系词有用 |
| 镜头 | 景别与运动 | 景别和运动是一个要素，不是两个 |
| 光线 | 光线 | 砍掉这块，画面看上去就是平的 |
| 音频 | 对白，加上音频提示 | 说话和空间底噪是两个独立决定 |
| 技术 | 没有对应要素 | 时长和分辨率来自使用入口，不来自提示词 |
最后一行最诚实。Google 没有公布任何提示词级别的参数块，所以把时长和分辨率当成设置项，别写进提示词正文。
实例一：一条文生视频提示词，逐行拆开
指南页上 Google 自己那条示例提示词，是衡量信息密度的好标尺。它写的是一位老水手的中景：蓝色针织帽在眼睛上投下阴影，浓密的花白胡子挡住下巴，他手里握着烟斗，朝栏杆外翻涌的灰海比划了一下——接着他开口说话，台词放在引号里。
看看是什么在起作用。一个景别，一件点名了材质的衣物，一个颜色，一处具体的阴影，一个动作，一片被描述过的海。每一样都是摄影机能拍下来的东西。
景别与运动：中景，缓慢推近，机位在胸口高度
风格：纪实自然主义，手持，35mm
光线：左侧阴天日光，不加补光，帽子下压出深阴影
角色：六十多岁的男性，蓝色针织水手帽，浓密花白胡子
地点：木质拖网船甲板，栏杆外是翻涌的灰海
动作：他用烟斗朝水面比划，然后扶住栏杆稳住身体
对白：「这片海，是一股力量，一股狂野不驯的蛮劲。」七行，七个要素，没有一样是画面拍不出来的。
案例二：锁住一个角色，再加一句台词
第二类提示词返工最多：同一个角色要在好几段片子里反复出现。模型页把「用参考图保持角色一致性」列为受支持的控制方式，于是提示词的任务变了——不再描述这个人是谁，而是描述要拿他做什么。
把附带的参考图用作这个角色。她的脸、头发和大衣都要和参考图完全一致。只换环境：清晨空无一人的站台，薄雾，没有其他人。景别：远景，她朝镜头走来，在站台边缘停下。不要对白。这个版本能成立有两个原因。身份由参考图承担，提示词就不必再花字数重描一张它改不好的脸。最后那句说明了画面里没有什么，模型才不会自己往站台上填人。
最容易失败的三种提示词，各改一处
镜头乱跑。把景别和运动写成同一条指令，给运动一个方向和速度，而不是一个形容词。「缓慢推近」约束住了镜头，「电影感」没有。
画面干净但空。去找那种只写情绪、跳过物理世界的散文式提示词。补上摄影机应该看见的具体物件——一个台面、一件衣物、一个光源。
声音没出来的时候
指南的建议是把想要的声音明确写出来，让音频和画面互相匹配，写在行内或者单独一段都行。一点声音都没有，通常意味着提示词只描述了画面。
还有一句提醒，写进任何对白教程都合适。Google 在模型页上说，生成自然且连贯的口语语音，尤其较短的片段，仍是持续开发中的领域。台词写出来，然后看结果，别假设它一定成。
Google 没有公布的部分
四个空缺，你会在别处看到它们被填得很笃定。
没有公布提示词长度或 token 上限。没有记录负面提示词的语法——指南讨论的是该写什么，不是该禁什么。要素的排列顺序没有规定。生成时长也不是提示词参数：模型页的基准脚注只写了 Veo 视频长八秒，Flow 的 Extend 被描述为能到一分钟以上。
这些都不妨碍你写出好提示词。它只意味着一份信心十足、声称有官方字数上限或负面提示词字段的模板，写的是作者自己的工作流。
常见问题
有官方的 Veo 3.1 提示词指南吗？ 已发布的那份指南标题是给 Veo 3 写的。Veo 3.1 自己的文档只说了提示词遵循更强，结构留给那一页。
提示词该用英文写吗？ Google 发布的指南和示例都是英文，也没有公布语言规则。写得多具体，比用什么语言写更重要。
一次生成能有多长？ 模型页的基准脚注说 Veo 视频长八秒，Flow 的公告把 Extend 描述为生成更长的视频，可以到一分钟以上。官方没有公布完整的时长选项。
我的角色在两段片子里变了样，该改哪里？ 把身份交给参考图，并写明必须保持一致，就像上面第二条提示词那样。上手教程讲的是同一套思路，只是换成第一条片子。
一条片子要多少钱？ 模型页和公告都没有价格。API 与价格指南整理了 Google 确实公布过的数字。
Veo 3.1 能在哪里用？ Google 点名了 Flow、Gemini 应用、Gemini API 和 Vertex AI。想先在文本模型里练提示词，Gemini 提示词指南讲的是通用写法。
七个要素各写一遍，把说话和空间底噪当成两个独立决定，哪一条拍歪了就只改那一行。专题页收着这篇指南引用过的那些页面。