使用 Veo 生成视频

Gemini API 可让您使用 Veo 2，这是 Google 的先进视频生成模型。Veo 旨在帮助您构建新一代 AI 应用，将用户的提示和图片转换为高品质的视频素材资源。

本指南将帮助您开始使用 Gemini API 与 Veo 集成。

Veo 简介

Veo 是 Google 迄今为止最强大的视频生成模型。它可以生成各种电影和视觉风格的视频，捕捉提示中的细微之处，以便在各个画面中一致呈现精致细节。

如需了解详情并查看示例输出，请参阅 Google DeepMind Veo 概览。

规格

Veo 制作的视频会使用 SynthID（我们用于嵌入水印和识别 AI 生成内容的工具）添加水印，并通过安全过滤器和记忆检查流程，以帮助降低隐私、版权和偏见风险。

准备工作

在调用 Gemini API 之前，请确保您已安装所选的 SDK，并已配置好 Gemini API 密钥，可以使用。

如需将 Veo 与 Google Gen AI SDK 搭配使用，请确保您已安装以下某个版本：

• Python v1.10.0 或更高版本
• TypeScript 和 JavaScript v0.8.0 或更高版本
• Go v1.0.0 或更高版本

生成视频

本部分提供了使用文本提示和使用图片生成视频的代码示例。

根据文本生成

您可以使用以下代码通过 Veo 生成视频：

import time
from google import genai
from google.genai import types

client = genai.Client()  # read API key from GOOGLE_API_KEY

operation = client.models.generate_videos(
    model="veo-2.0-generate-001",
    prompt="Panning wide shot of a calico kitten sleeping in the sunshine",
    config=types.GenerateVideosConfig(
        person_generation="dont_allow",  # "dont_allow" or "allow_adult"
        aspect_ratio="16:9",  # "16:9" or "9:16"
    ),
)

while not operation.done:
    time.sleep(20)
    operation = client.operations.get(operation)

for n, generated_video in enumerate(operation.response.generated_videos):
    client.files.download(file=generated_video.video)
    generated_video.video.save(f"video{n}.mp4")  # save the video

# Use curl to send a POST request to the predictLongRunning endpoint
# The request body includes the prompt for video generation
curl "${BASE_URL}/models/veo-2.0-generate-001:predictLongRunning?key=${GOOGLE_API_KEY}" \
  -H "Content-Type: application/json" \
  -X "POST" \
  -d '{
    "instances": [{
        "prompt": "Panning wide shot of a calico kitten sleeping in the sunshine"
      }
    ],
    "parameters": {
      "aspectRatio": "16:9",
      "personGeneration": "dont_allow",
    }
  }' | tee result.json | jq .name | sed 's/"//g' > op_name

此代码大约需要 2-3 分钟才能运行完毕，但如果资源受限，则可能需要更长时间。运行完成后，您应该会看到如下视频：

如果您看到错误消息，而不是视频，则表示资源有限，您的请求无法完成。在这种情况下，请再次运行代码。

生成的视频会在服务器上存储 2 天，之后就会被移除。如果您想保存生成的视频的本地副本，则必须在生成后的 2 天内运行 result() 和 save()。

根据图片生成

您还可以使用图片生成视频。以下代码使用 Imagen 生成图片，然后使用生成的图片作为生成的视频的起始帧。

首先，使用 Imagen 生成图片：

prompt="Panning wide shot of a calico kitten sleeping in the sunshine",

imagen = client.models.generate_images(
    model="imagen-3.0-generate-002",
    prompt=prompt,
    config=types.GenerateImagesConfig(
      aspect_ratio="16:9",
      number_of_images=1
    )
)

imagen.generated_images[0].image

然后，使用生成的图片作为第一帧生成视频：

operation = client.models.generate_videos(
    model="veo-2.0-generate-001",
    prompt=prompt,
    image = imagen.generated_images[0].image,
    config=types.GenerateVideosConfig(
      # person_generation only accepts "dont_allow" for image-to-video
      aspect_ratio="16:9",  # "16:9" or "9:16"
      number_of_videos=2
    ),
)

# Wait for videos to generate
 while not operation.done:
  time.sleep(20)
  operation = client.operations.get(operation)

for n, video in enumerate(operation.response.generated_videos):
    fname = f'with_image_input{n}.mp4'
    print(fname)
    client.files.download(file=video.video)
    video.video.save(fname)

Veo 模型参数

（命名惯例因编程语言而异。）

• prompt：视频的文本提示。image 参数是可选的。
• image：要用作视频第一帧的图片。prompt 参数是可选的。
• negativePrompt：一个文本字符串，用于描述您想要阻止模型生成的内容
• aspectRatio：更改生成的视频的宽高比。支持的值为 "16:9" 和 "9:16"。默认值为 "16:9"。
• personGeneration：允许模型生成人物视频。支持以下值：
  • 文本转视频生成：
    • "dont_allow"：禁止在图片中包含人物或人脸。
    • "allow_adult"：生成包含成人但不包含儿童的视频。
  • 图片转视频生成功能：
    • "dont_allow"：图片转视频生成的默认值，也是唯一值。
• numberOfVideos：请求的输出视频，1 或 2。
• durationSeconds：每个输出视频的时长（以秒为单位），介于 5 和 8 之间。
• enhance_prompt：启用或停用提示重写器。默认处于启用状态。

可以尝试的操作

如需充分利用 Veo，请在提示中加入视频专用术语。Veo 可以理解与以下内容相关的各种术语：

• 镜头构图：指定镜头中的取景和正文数量（例如，“单人镜头”“双人镜头”“肩上镜头”）。
• 相机定位和移动：使用“平视”“高角度”“虫眼视角”“摇臂拍摄”“缩放拍摄”“平移拍摄”和“跟踪拍摄”等术语来控制相机的位置和移动。
• 对焦和镜头效果：使用“浅景深”“深景深”“柔焦”“微距镜头”和“广角镜头”等术语来实现特定的视觉效果。
• 整体风格和主题：通过指定“科幻片”“爱情喜剧片”“动作片”或“动画”等风格，引导 Veo 的创意方向。您还可以描述您想要的正文和背景，例如“城市景观”“自然”“车辆”或“动物”。

Veo 提示指南

Veo 指南的这一部分包含您可以使用 Veo 创建的视频示例，并介绍了如何修改提示以生成不同的结果。

安全过滤器

Veo 会在 Gemini 中应用安全过滤器，以确保生成的视频和上传的照片不含冒犯性内容。我们会屏蔽违反条款和准则的提示。

提示撰写的基础知识

好的提示应具有描述性且清晰。为了让生成的视频尽可能贴近您的预期，请先确定核心创意，然后通过添加关键字和修饰符来优化创意。

问题应包含以下元素：

• 正文：您希望在视频中呈现的对象、人物、动物或场景。
• 背景：正文所处的背景或环境。
• 动作：正文正在执行的操作（例如行走、奔跑或转头）。
• 风格：可以是常规内容，也可以是非常具体的内容。考虑使用特定的电影类型关键字，例如恐怖片、黑色电影，或卡通等动画风格。
• 相机运动：[可选] 相机的拍摄方式，例如航拍、平视、俯拍或低角度拍摄。
• 构图：[可选] 画面的取景方式，例如广角镜头、特写镜头或特特写镜头。
• Ambiance：[可选] 色彩和光线对场景的影响，例如蓝色调、夜晚或暖色调。

有关撰写提示的更多提示

以下提示可帮助您撰写用于生成视频的提示：

• 使用描述性语言：使用形容词和副词为 Veo 描绘清晰的画面。
• 提供背景信息：根据需要，添加背景信息以帮助模型了解您的需求。
• 参考特定艺术风格：如果您有特定的审美观，请参考特定艺术风格或艺术运动。
• 利用提示工程工具：可考虑探索提示工程工具或资源，以帮助您优化提示并实现最佳结果。如需了解详情，请参阅提示设计简介。
• 增强个人和群组图片中的面部细节：指定面部细节作为照片的焦点，例如在提示中使用肖像一词。

提示和输出示例

本部分提供了几个提示，重点介绍了描述性详细信息如何提升每段视频的效果。

冰柱

本视频演示了如何在问题中使用问题撰写基础知识中的元素。

提示	生成的输出
冰冻岩壁（背景）上正在融化的冰柱（正文）的特写镜头（构图），采用冷色调（氛围），并通过缩放（摄像头运动）来保持水滴的特写细节（动作）。

一位男士正在打电话

这些视频演示了如何通过提供越来越具体的详细信息来修改问题，以便 Veo 按照您的喜好优化输出结果。

提示	生成的输出	分析
摄像机推车拍摄，特写了一名身穿绿色风衣的绝望男子。他正在使用带有绿色霓虹灯的旋转式壁挂电话拨打电话。它看起来像电影场景。		这是根据提示生成的第一个视频。
电影般的特写镜头跟随一位穿着风雨残破的绿色风衣的绝望男子，他拨打着安装在粗糙砖墙上的旋转电话，而绿色霓虹灯的幽光笼罩着他。摄像机推近，显示了他的下巴紧绷，以及他努力拨打电话时脸上刻下的绝望。浅景深将焦点对准他皱起的眉头和黑色旋转电话，背景被模糊处理成霓虹色和模糊阴影的海洋，营造出紧迫感和孤独感。		提示越详细，视频的画面越聚焦，环境越丰富。
视频中，一台老式旋转电话靠在墙上，墙上散发着诡异的绿色霓虹光芒，身穿绿色风衣的绝望男子正在使用这部电话，镜头以平滑的动作推向男子。摄像头从中距离开始，慢慢靠近男子的脸部，展示他急切拨打电话时的慌张表情和眉上的汗水。画面聚焦于男子的手，他的手指在拨号盘上摸索，拼命尝试连接。绿色的霓虹灯在墙上投下长长的阴影，更增添了紧张的氛围。画面构图旨在强调男子的孤独和绝望，突出霓虹灯的明亮光芒与男子的坚定决心之间的鲜明对比。		添加更多细节可让正文呈现逼真的表情，并营造出生动而富有感染力的场景。

雪豹

此示例演示了 Veo 可能会针对简单的问题生成的输出。

提示	生成的输出
一只毛发如雪豹的可爱生物在冬季森林中漫步，采用 3D 卡通风格渲染。

奔跑的雪豹

此提示更详细，并展示了生成的输出结果，可能更接近您在视频中想要的内容。

提示	生成的输出
以欢快的卡通风格制作短视频 3D 动画场景。一只可爱的生物，毛皮如雪豹，眼睛又大又有神，身形圆润可爱，在奇幻的冬季森林中快乐地蹦跳。场景应包含圆形的白雪覆盖的树木、轻柔飘落的雪花，以及透过树枝的温暖阳光。该生物的弹跳动作和灿烂笑容应传达出纯粹的喜悦。采用明亮、欢快的色彩和俏皮的动画，营造积极向上、温暖人心的氛围。

通过写入元素的示例

以下示例展示了如何按每个基本元素优化问题。

主题

以下示例展示了如何指定主题说明。

主题说明	提示	生成的输出
此说明可以包含一个主题，也可以包含多个主题和操作。在这里，我们的主题是“白色混凝土公寓楼”。	一栋白色混凝土公寓楼的建筑渲染图，采用流畅的有机形状，与茂密的绿色植物和未来主义元素无缝融合

上下文

以下示例展示了如何指定上下文。

上下文	提示	生成的输出
主体所处的背景或环境非常重要。尝试将正文置于各种背景下，例如繁忙的街道、外太空。	一颗卫星在外太空中漂浮，背景是月亮和一些星星。

操作

此示例展示了如何指定操作。

操作	提示	生成的输出
拍摄对象在做什么，例如走路、跑步或转头。	宽镜头拍摄的画面：一名女子在海滩上散步，在日落时分朝着地平线满意而放松地凝视。

样式

此示例展示了如何指定样式。

样式	提示	生成的输出
您可以添加关键字来提升生成画质，并使其更接近预期的风格，例如浅景深、电影画面、极简主义、超现实主义、复古、未来主义或双重曝光。	黑色电影风格、一男一女在街上散步、神秘、电影感、黑白。

相机移动

此示例展示了如何指定相机运动。

相机移动	提示	生成的输出
摄像头动作选项包括第一人称视角拍摄、航拍、跟踪无人机视图或跟踪拍摄。	在加拿大夜晚下雨时，从一辆老式汽车的驾驶员视角拍摄的电影画面。

构图

此示例展示了如何指定构图。

构图	提示	生成的输出
取景方式（广角、特写、低角度）。	特写镜头拍摄的眼睛，其中反射出城市景色。
	制作一个视频，其中包含广角镜头拍摄的冲浪者手持冲浪板在沙滩上行走的画面，以及美丽的日落，采用电影般的画面效果。

氛围

此示例展示了如何指定氛围。

氛围	提示	生成的输出
调色板在摄影中发挥着至关重要的作用，会影响氛围并传达预期的情感。你可以尝试使用“柔和的橙色暖色调”“自然光”“日出”或“日落”等指令。例如，温暖的金色调可以为照片注入浪漫而富有氛围感。	在阳光明媚的公园里，一个女孩抱着可爱的金毛猎犬小狗的特写镜头。
	电影般的特写镜头，画面中一位伤心的女士在雨中乘坐公交车，冷色调蓝色，伤感氛围。

使用参考图片生成视频

您可以使用 Veo 的图片转视频功能，让图片动起来。 您可以使用现有素材资源，也可以尝试使用 Imagen 生成新素材资源。

提示	生成的输出
手持巧克力棒的兔子。
兔子逃跑了。

否定提示

否定提示是一种强大的工具，有助于指定您不希望在视频中出现的元素。在“否定提示”字样后面，说明您想要阻止模型生成的内容。请按照以下提示操作。

• ❌ 请勿使用指令性语言或“没有”或“不”等字词。例如，“无墙壁”或“不显示墙壁”。

• ✅ 请描述您不想看到的内容。例如，“墙、框架”，表示您不希望视频中出现墙或框架。

提示	生成的输出
生成一个简短的样式化动画，其中显示一棵孤独的大橡树，叶子在强风中剧烈摇摆。树应采用略微夸张、不拘一格的形式，并具有动态流畅的树枝。叶子应呈现各种秋色，在风中旋转舞动。动画应使用温暖、富有吸引力的配色方案。
生成一个简短的样式化动画，其中显示一棵孤独的大橡树，叶子在强风中剧烈摇摆。树应采用略微夸张、不拘一格的形式，并具有动态流畅的树枝。叶子应呈现各种秋色，在风中旋转舞动。动画应使用温暖、富有吸引力的配色方案。 包含负面提示 - 城市背景、人工建筑、黑暗、暴风或威胁气氛。

宽高比

Gemini Veo 视频生成功能支持以下两个宽高比：

宽屏

此提示是宽屏宽高比为 16:9 的示例。

提示	生成的输出
制作一段视频，其中包含无人机跟踪视图：一名男子在 1970 年代的棕榈泉驾驶红色敞篷车，阳光温暖，阴影长长。

纵向

此提示是纵向宽高比为 9:16 的示例。

提示	生成的输出
制作一个视频，重点展示茂密热带雨林中雄伟壮观的夏威夷瀑布的流畅动作。重点呈现逼真的水流、细致的树叶和自然光线，营造宁静氛围。拍摄奔腾的河水、迷雾般的氛围以及透过茂密树冠洒落的阳光。使用流畅的电影镜头运镜来展示瀑布及其周围环境。力求营造宁静、真实的色调，将观看者带入夏威夷热带雨林的宁静美景。

后续步骤

• 通过 Veo Colab 获得更多生成 AI 视频的经验。