เจาะลึก Veo 3.1: การอ้างอิงถึงวิดีโอ เสียงเนทีฟ และการตัดสินใจที่รวดเร็วและคุณภาพ

อะไรทำให้ Veo 3.1 แตกต่าง?

เมื่อ Google เปิดตัว Veo 3 มันน่าประทับใจมาก แต่ Veo 3.1 นั้นเป็นสัตว์ที่แตกต่างออกไป การเปลี่ยนแปลงทางสถาปัตยกรรมหลักคือการย้ายจากไปป์ไลน์ข้อความเป็นวิดีโอเดียวไปเป็นระบบการสร้างหลายรูปแบบด้วยโหมดที่แตกต่างกันสามโหมด ซึ่งแต่ละโหมดได้รับการออกแบบสำหรับเวิร์กโฟลว์ของผู้สร้างที่แตกต่างกัน เลเยอร์การสังเคราะห์เสียงเนทิฟชั้นยอดและการแบ่งระดับที่รวดเร็ว/คุณภาพ และคุณมีโมเดลวิดีโอ AI ที่หลากหลายที่สุดในตลาดปัจจุบัน

อธิบายโหมดการสร้างทั้งสาม

1. ข้อความ → วิดีโอ

โหมดคลาสสิก คุณเขียนพร้อมท์โดยละเอียด จากนั้นโมเดลจะเรนเดอร์วิดีโอแบบภาพยนตร์ความยาวประมาณ 8 วินาที พร้อมเสียงรอบข้างที่ซิงโครไนซ์กัน (เสียงฝูงชน ลม เสียงเพลง เสียงฝีเท้า ทั้งหมดนี้สร้างขึ้นโดยอัตโนมัติ) Veo 3.1 เป็นเลิศที่นี่เพราะความเข้าใจที่รวดเร็วนั้นได้รับการปรับแต่งอย่างดีตามภาษาของผู้กำกับ คำต่างๆ เช่น "dolly in" "Dutch angle" "rack focus" และ "golden hour" ล้วนถูกตีความอย่างถูกต้อง

เคล็ดลับสำหรับมือโปร: จัดโครงสร้างข้อความแจ้งของคุณเป็น [Subject + action] + [Camera move] + [Lighting] + [Mood/Style] เพื่อให้ได้ผลลัพธ์ที่เป็นภาพยนตร์อย่างสม่ำเสมอ

2. รูปภาพ → วิดีโอ (เฟรมแรก + เฟรมสุดท้ายเสริม)

อัปโหลดภาพเริ่มต้น (เฟรมแรก) และโมเดลทำให้เคลื่อนไหวเป็นคลิปวิดีโอแบบเต็ม คุณสามารถเลือกระบุรูปภาพที่สองเป็นเฟรมสุดท้าย จากนั้น Veo 3.1 จะประมาณค่าการเปลี่ยนแปลงที่ราบรื่นและคำนึงถึงหลักฟิสิกส์ระหว่างสองเฟรมของคุณ นี่คือตัวเปลี่ยนเกมสำหรับการเขียนสตอรี่บอร์ด: ช่างภาพสามารถเปลี่ยนช็อตสำคัญสองช็อตใดๆ ให้เป็นการเปลี่ยนผ่านระดับมืออาชีพโดยไม่ต้องใช้ซอฟต์แวร์ตัดต่อ

• เฟรมแรกเท่านั้น: โมเดลมีอิสระในการสร้างสรรค์อย่างเต็มที่สำหรับทิศทางการเคลื่อนไหวหลังจากเฟรมเปิดของคุณ
• เฟรมแรกและเฟรมสุดท้าย: การเคลื่อนไหวถูกจำกัดในการเชื่อมโยงทั้งสองภาพ — เหมาะสำหรับการแสดงผลิตภัณฑ์ การเหลื่อมเวลา และการเปลี่ยนภาพที่น่าทึ่ง

3. ข้อมูลอ้างอิง → วิดีโอ (การล็อคตัวละคร)

นี่คือโหมดที่ชุมชนผู้สร้างภาพยนตร์ตื่นเต้นมากที่สุด อัปโหลดภาพอ้างอิง 1–3 ภาพ เช่น ภาพเฮดช็อต ภาพถ่ายเครื่องแต่งกาย หรือภาพนิ่งผลิตภัณฑ์ และ Veo 3.1 จะล็อคอัตลักษณ์ทางภาพเหล่านั้นไว้ในวิดีโอที่สร้างขึ้น ตัวละครของคุณจะไม่แปลงร่างเป็นคนอื่นกลางคลิป สำหรับการโฆษณาแบรนด์และภาพยนตร์สั้นที่ขับเคลื่อนด้วยตัวละคร นี่เป็นการเปลี่ยนแปลง

หมายเหตุ: ขณะนี้โหมดอ้างอิงใช้ได้เฉพาะในระดับ เร็ว เท่านั้น (47 เครดิต) การสนับสนุนโหมดคุณภาพอยู่ในแผนการทำงาน

รวดเร็วเทียบกับคุณภาพ: คุณควรเลือกอันไหน

ทั้งสองระดับสร้างคลิปประมาณ 8 วินาทีพร้อมเสียงเนทิฟ ความแตกต่างอยู่ที่ความละเอียด รายละเอียดพื้นผิว และความเที่ยงตรงของการแสดงภาพ:

• รวดเร็ว (47 หน่วยกิต): เหมาะสำหรับการตรวจสอบความถูกต้องของแนวคิด เนื้อหาบนโซเชียลมีเดีย และการทำซ้ำตามคำแนะนำ ผลงานที่ได้คมชัดและสะอาดตา แม้ว่ารายละเอียดเล็กๆ น้อยๆ (เนื้อผ้า เส้นผม การสะท้อนของแสงที่ซับซ้อน) จะลดลงเล็กน้อย แสดงผลภายในเวลาไม่ถึง 2 นาที
• คุณภาพ (193 หน่วยกิต): ระดับการออกอากาศ ทุกเฟรมสามารถตรวจสอบได้ด้วยการซูมแบบเต็ม 1080p ระยะชัดลึกระดับภาพยนตร์ ไฮไลท์ Specular ที่แม่นยำ และรายละเอียดพื้นหลังที่ซับซ้อน ล้วนแสดงผลได้อย่างสมจริง ใช้สิ่งนี้สำหรับการส่งมอบขั้นสุดท้าย การนำเสนอของลูกค้า และเนื้อหาที่จะแสดงบนหน้าจอขนาดใหญ่

เสียงเนทีฟ: ดีแค่ไหน

การสร้างเสียงของ Veo 3.1 มีบริบทที่น่าแปลกใจ ฉากฝนตกบนก้อนหินปูถนนจะทำให้เกิดฝนตก ฟ้าร้องจากระยะไกล และเสียงสะท้อนจากกำแพงหินเบาๆ โดยไม่มีเสียงเตือนใดๆ เพิ่มตัวละครที่พูดและ Veo 3.1 จะสร้างลิปซิงค์และพื้นผิวเสียงที่เหมาะสม (แม้ว่าบทสนทนาเฉพาะเจาะจงต้องใช้เสียงข้อความ) มันไม่สมบูรณ์แบบ — มีเสียงที่ผิดจังหวะเป็นครั้งคราวหรือบทสนทนาที่ไม่ซิงค์กันเล็กน้อย — แต่สำหรับบรรยากาศโดยรอบ เสียงนั้นมีประสิทธิภาพเหนือกว่าเสียงใดๆ ที่สร้างโดย AI ที่คุณเพิ่มในโพสต์

เริ่มต้นใช้งาน

โหมด Veo 3.1 ทั้งสามโหมดมีให้ใช้งานบนแพลตฟอร์มของเรา เริ่มต้นด้วย ข้อความ → วิดีโอที่รวดเร็ว (47 หน่วยกิต) เพื่อตรวจสอบแนวคิดของคุณ จากนั้นย้ายไปที่ คุณภาพ เพื่อการส่งมอบขั้นสุดท้าย ทดลองใช้โหมดอ้างอิงสำหรับผลงานที่ขับเคลื่อนด้วยแบรนด์หรือตัวละคร ผลลัพธ์จะทำให้คุณประหลาดใจ