Veo 3.1 的独特之处
Veo 3.1 是 Google DeepMind 2025年10月发布的视频生成模型。它最独特的功能是原生音视频联合生成：声音和视频一起生成，对话口型同步是目前市场上准确率最高的之一。单次生成最长8秒，1080p，支持4K增强输出。
核心能力
- 原生音效生成（对话、环境音、背景音乐一起出）
- 对话视频：台词自动同步口型，无需后期处理
- 产品展示视频：镜头运动流畅，画面质量第一梯队
- 视频延伸：可以接续一段已有视频继续生成
产品展示视频提示词
- [运镜方式] of [产品详细描述],
- [光线描述：soft studio lighting / dramatic backlighting / golden hour],
- [背景：clean white surface / dark marble],
- [特效（可选）：particle effects / water splash / light refraction],
- [音效描述：elegant orchestral music / ambient city sounds / silence],
- [时长：4 / 6 / 8] seconds.
对话视频提示词
台词用单引号包住。台词每句话越短，口型同步越准确。复杂长句的口型准确率会下降。
- A [景别：medium / close-up] shot of [场景描述].
- [环境音：café ambience / city background / quiet office].
- [角色A描述] says, '[台词A]'.
- [角色B描述] replies, '[台词B]'.
运镜词速查
- slow push-in — 缓慢推进（常用于产品特写）
- slow orbit around — 绕物旋转（360度展示产品）
- macro close-up with shallow depth of field — 微距虚化特写
- low-angle tracking shot — 低角度跟拍
- overhead pull-back — 俯视拉远
- static camera, subject movement — 固定机位，主体运动
时长选择建议
超过8秒的需求需要分段生成再剪辑拼接。按场景切分生成，效果比硬拉一段提示词更可控。
- 4秒 → Logo 动效、简单产品特写
- 6秒 → 单场景产品展示
- 8秒 → 完整叙事、对话视频、多场景切换
关于成本
Nano Banana 的视频工作台目前是演示模式：结果为占位内容，不扣积分。成本预估器已经接入全站价格表——按档位每5秒 25–110 积分，10秒翻倍——真实渲染上线前就能做预算规划。
第三方参照：Google Gemini API 对 Veo 3.1 的公开标价（2026年3月时点数，做预算前请核实）Fast 约 $0.15/秒，Standard 约 $0.40/秒。对话类视频建议用 Standard 模式，口型准确率更高；不需要音效时关闭音频生成可省约30%的按秒成本。