Veo 3 промпт: персонаж говорит со звуком и без субтитров (главный трюк — двоеточие)

Кавычки рисуют субтитры. Двоеточие — нет

Главная боль Veo 3, которую обсуждают все практики: при диалоге на экране сами собой появляются субтитры, которые невозможно убрать постфактум. Причина контринтуитивна — ей противоречит всё, чему учат в промптинге.

Если взять реплику в кавычки — Veo 3 решает, что текст нужно показать на экране. Решение: писать речь через двоеточие без кавычек.

• ❌ A barista says: "Welcome in" — кавычки провоцируют субтитры
• ✅ A barista says: Welcome in — чистый звук без текста на экране

Это подтверждается в гайде Replicate и десятке других руководств 2026 года. Приём работает стабильнее любого другого.

Тройная защита от субтитров

Одного двоеточия иногда мало. Рабочая связка из трёх уровней:

1. Реплика через двоеточие без кавычек (как выше)
2. В конце основного промпта — (no subtitles)
3. В поле негативного промпта — no subtitles, no text, no captions

Если субтитры всё равно пролезают, практики советуют буквально продублировать в промпте: No subtitles. No subtitles! — модель реагирует на повтор-акцент.

Тишина в промпте ≠ тишина в видео

Важный факт, который ломает ожидания: если не прописать звук, Veo 3 досочинит его сам. Документированный кейс из гайда Replicate — для сцены стендапа модель самостоятельно добавила live studio audience (смех зала), которого никто не просил.

Вывод: звук нужно задавать всегда, даже если хочешь тишину. Иначе получишь галлюцинированный эмбиент, который испортит дубль. В промпте звук описывается явными метками:

• Ambient: quiet cafe room tone — фоновая атмосфера
• SFX: a soft cup placed on the counter — точечный эффект
• No background music, no extra speech — явный запрет лишнего

Точность важнее абстракции: не «spooky sounds», а faint transformer buzz, occasional metal creak, low ventilation hum.

Потолок — 5 звуковых слоёв

Veo 3 надёжно держит 3–5 звуковых элементов в одном клипе. Больше — аудио ломается: реплики накладываются друг на друга, отдельные звуки пропадают. Безопасный набор для короткого ролика: один диалог + один ключевой SFX + один эмбиент-фон.

Чтобы модель поняла, что главное на переднем плане, а что фоном, используй слова-маркеры аудио-иерархии:

• cuts through — звук на переднем плане (важный SFX)
• in the distance — фоновый звук (эмбиент)

Пример: a cup placed on the counter cuts through, faint espresso machine hiss in the distance — модель понимает, что стук чашки громче, чем гул кофемашины.

Лип-синк требует крупности, а русские имена — транскрипции

Два прикладных правила для речи:

Крупность кадра. Для синхрона губ нужен medium shot или close-up, где рот персонажа чётко виден. На общем плане лип-синк разваливается.

Длина реплики под 8 секунд. Клип Veo 3 — 8 секунд. Если впихнуть длинную реплику, персонаж начнёт тараторить. Правило: одна короткая фраза на клип, с паузой в начале — the line begins after a brief pause.

Русский язык — через транскрипцию. Veo 3 подбирает акцент и лип-синк под язык реплики автоматически, но качество русского лип-синка ниже английского, а имена он коверкает. Решение из гайда Replicate — писать сложные слова фонетически: не «Фёдоров», а foh-duh-rov. Это особенно важно для русских имён и терминов.

Порядок блоков промпта

Veo 3 лучше всего читает промпт в строгом порядке. Каждый блок — на своём месте:

1. Subject — кто/что в кадре (a friendly barista with short curly hair)
2. Scene / Context — где (in a cozy sunlit cafe)
3. Action — что делает (looks at the camera, smiles)
4. Camera — план и движение (medium shot, shallow depth of field)
5. Lighting / Ambiance — свет (warm morning golden light)
6. Audio — в самом конце: диалог через двоеточие, затем Ambient, затем SFX

Veo 3 почти детерминирован — один и тот же промпт даёт почти идентичный результат (в отличие от Midjourney или Flux). Поэтому для серии клипов с одним персонажем дословно копируй его описание в каждый промпт — лицо и одежда сохранятся.

8 секунд — потолок одного клипа

Veo 3 генерирует клипы по 8 секунд (есть опции 4 и 6). Для длинных сцен — функция Scene Extension: финальные кадры клипа становятся входом для следующего, сцена продолжается без склейки. Разрешение — 720p, 1080p или 4K. Поддерживается image-to-video — оживление статичного кадра.

Без VPN из России

Veo 3 напрямую в России не работает: блокируется и по IP, и по биллингу — VPN обходит только IP, но российские карты всё равно не проходят. Рабочие пути:

• Veo 3 через genova-ai.ru — запуск в браузере без ручного VPN, рублёвая оплата за токены
• Платёжные посредники для оплаты зарубежного аккаунта Google

Для русскоязычного контента genova-ai.ru — самый простой путь: тот же промпт, но без возни с VPN и зарубежной картой.

Типичные провалы и что чинит