Veo 3.1 提示词完全指南：带音频的电影级 AI 视频（2026）

Google DeepMind 的 Veo 3.1 是 2026 年底最难被击败的模型——有追踪报告显示它一度占被追踪视频生成量的九成以上。相比早期模型，它的核心变化不是分辨率或时长：而是 Veo 3.1 终于会照你说的做了。 镜头运动到位、主体位置稳定、灯光描述不再被采样器悄悄改写。再加上原生同步音频，它成了第一个把声音设计写进提示词里的模型。这篇指南教你写出榨干它全部能力的提示词。

Veo 3.1 变了什么

• 重建的文本编码器 + 更强的运动先验。 提示词遵循度大幅跃升：”dolly in”、”close-up”、”anamorphic” 甚至 “f/2.8” 都是真正的控制项，不是玄学。
• 专门的电影摄影头（cinematography head），在数百万条标注镜头描述上训练——这就是为什么专业影视词汇特别好使。
• 原生 1080p 输出 + 同步音频，从 Veo 3 继承并打磨。
• Veo 3.1 Fast —— 在 2026 年 10 月的对比测试里同时拿下忠实度*和*渲染速度（约 47 秒中位数）的速度档。

Veo 3.1 吃哪一套提示词结构

Veo 3.1 喜欢分块结构的提示词，像写场记单一样：

SHOT: [景别 + 镜头]
SUBJECT: [人/物、服装、材质]
ACTION: [发生什么，带运动节拍]
CAMERA: [一个精确的运镜]
LIGHTING: [光源、方向、质感]
STYLE: [调色、胶片、情绪]
AUDIO: [对白加引号 | 环境音 | 音效 | 音乐情绪]

不是每个片段都要全块——但 SUBJECT、ACTION、CAMERA、AUDIO 一定要有。最后那个 AUDIO 是大多数人白白丢掉质量的地方。

7 条可直接复制的 Veo 3.1 提示词

1. 说话人像（唇形同步是 Veo 的超能力）

SHOT: medium close-up, 50mm, f/2.0
SUBJECT: a woman in a cream knit sweater in a sunlit kitchen
ACTION: she looks slightly off-camera, laughs softly, then says "I waited all year for this."
CAMERA: static tripod, very slow push-in
LIGHTING: soft window light from the left, warm practical lamp behind
STYLE: naturalistic, gentle film grain, shallow depth of field
AUDIO: her dialogue clearly, kettle softly boiling, distant birdsong

2. 电影级风景

SHOT: wide establishing, anamorphic
SUBJECT: waves breaking against dark volcanic rocks, a lone white lighthouse on the cliff
ACTION: waves crash in slow rhythm, mist drifts across the frame, seabirds circle
CAMERA: slow aerial push-in toward the lighthouse
LIGHTING: overcast dawn, cold diffuse light with a silver horizon
STYLE: epic documentary realism, muted cold grade
AUDIO: deep ocean waves, wind, distant seabirds

3. 街头乐手（音频细节 = 真实感）

SHOT: close-up on the bow moving across violin strings, then medium shot
SUBJECT: a street musician under a streetlamp on a rainy night
ACTION: he plays with eyes closed, fingers pressing strings, rain dripping off his coat
CAMERA: slow dolly-in
LIGHTING: warm streetlamp key, neon bokeh city lights behind
STYLE: cinematic, 35mm film look, f/2.8
AUDIO: solo violin melody, soft rain on pavement, distant traffic

4. 商业产品高光

SHOT: macro, extreme close-up
SUBJECT: honey drizzling over a caramel dessert on a rustic wooden table
ACTION: honey ribbon falls in slow motion, pooling glossy on the surface
CAMERA: slow orbit right
LIGHTING: golden hour window light, hard highlight edges
STYLE: premium food commercial, glossy appetizing grade
AUDIO: subtle slow-motion whoosh, warm acoustic guitar mood

5. 时尚影片瞬间

SHOT: medium and close-up cuts, 85mm
SUBJECT: a model in an olive silk dress against a cream backdrop, staccato confident poses
ACTION: a glance over the shoulder, fabric caught mid-turn, then a still direct gaze
CAMERA: locked tripod with quick elegant reframing
LIGHTING: hard directional studio key, clean falloff
STYLE: high-end fashion editorial, muted palette, crisp detail
AUDIO: rhythmic editorial percussion, fabric rustle

6. 夜色霓虹氛围

SHOT: wide, 35mm anamorphic
SUBJECT: a rain-soaked Tokyo street at night, neon signs in Japanese, a lone figure with umbrella
ACTION: figure walks away from camera, reflections ripple on wet asphalt, neon flickers gently
CAMERA: static frame, figure moving deep into the scene
LIGHTING: neon practicals, magenta and cyan cast, wet specular highlights
STYLE: moody cyber-cinematic, blade-runner-adjacent grade
AUDIO: rain, distant train, muffled city hum

7. 俏皮定格动画风

SHOT: macro lens, tabletop scale
SUBJECT: whimsical clay food characters with glossy surfaces — a dumpling, a bacon strip
ACTION: they bounce across a cozy kitchen table and high-five, steam curls from a bamboo steamer
CAMERA: gentle handheld sway
LIGHTING: warm practical kitchen light
STYLE: charming stop-motion animation look, playful bounce physics
AUDIO: giggly woodwind music, soft thumps, sizzling pan

Veo 3.1 vs Sora 2 vs 可灵 vs Seedance：性格地图

把”能用的片段”和”重摇废片”分开的 5 个习惯

1. 说电影行话。 “50mm、f/2.0 推轨推近” 胜过 “镜头慢慢靠近、好看的虚化”。
2. 绝不跳过 AUDIO。 哪怕写 “quiet room tone, soft hum”，也给了模型搭声音的方向。
3. 对白加引号精确引用。 "I waited all year for this." —— 引号能提升唇形同步的忠实度。
4. 一个灯光叙事。 主光 + 方向 + 质感。混三个光源只会让画面浑浊。
5. 迭代，不要重写。 每次重摇只改一个块，你才知道是什么真正起了作用。

常见问题

Veo 3.1 会生成音频吗？ 会。Veo 3.1 有原生同步音频——用 AUDIO 块描述对白（加引号）、环境音、音效和音乐情绪。

Veo 3.1 和 Veo 3.1 Fast 有什么区别？ Fast 是速度/价格档：2026 年 10 月测试中它产出最忠实的片段，中位渲染约 47 秒。草稿和迭代用它，成品用旗舰档。

Veo 3.1 喜欢什么提示词格式？ 分块结构：SHOT / SUBJECT / ACTION / CAMERA / LIGHTING / STYLE / AUDIO。最低配置：主体、动作、一个运镜、一条音频。

提示词写多长合适？ 40–120 词的密集具体描述。具体胜过冗长——每个短语都该指向某件事。

来 VideosPrompt 浏览数千条带成片的 Veo 提示词——花积分之前先看模型实际会产出什么。