Veo 3.1 Fast auf eroq (früher Veo 3 Fast): Prompts für nativen Ton schreiben

Veo 3 Fast wurde auf eroq eingestellt: Es rendert jetzt auf Veo 3.1 Fast, und alte Links und API-IDs führen dorthin. Veo liefert einen Clip mit Ton – Atmosphäre, Effekte und Dialog, zusammen mit dem Bild gerendert –, und das verändert, wie du den Prompt schreibst. Ton ist im Angebot nicht mehr selten (die meisten Drittanbieter-Engines rendern ihn inzwischen), aber Veo ist die Familie, die man dafür wählt. Die Spezifikation: 4, 6 oder 8 Sekunden, 720p oder 1080p, 344 Credits für 8 Sekunden mit Ton in 720p, ab dem Hobby-Plan, vorgelagert vom Anbieter moderiert. In diesem Leitfaden geht es vor allem ums Schreiben.

Was „nativer Ton“ bedeutet

Nativ heißt: Die Tonspur wird zusammen mit dem Bild erzeugt, aus demselben Prompt, im selben Render. Es wird keine Bibliothek mit Stock-Sounds nachträglich unter das Video gelegt, und es gibt keinen separaten Audio-Schritt, den du bezahlen musst. Du beschreibst eine Einstellung und bekommst die Einstellung samt ihrem Klang.

Drei Ebenen kommen zurück:

• Atmosphäre – der Raumklang. Regen, Verkehr, eine Menschenmenge, Wind, das Summen eines Kühlschranks.
• Effekte – Geräusche, die an etwas gebunden sind, das im Bild passiert. Eine Tür, Schritte, quietschende Bremsen, ein Glas, das abgestellt wird.
• Dialog – eine gesprochene Zeile einer Person im Bild.

Eine Grenze, klar gesagt: eroq bietet keine Lip-Sync-Funktion. Dialog bei Veo ist eine Zeile, die die Engine innerhalb der Einstellung spielt, kein Werkzeug, um eine aufgenommene Stimme an ein Gesicht anzupassen. Halte die Zeilen kurz und behandle das Ergebnis als gerenderten Take.

Die Zahlen

• Länge: 4, 6 oder 8 Sekunden.
• Auflösung: 720p (Standard) oder 1080p.
• Ton: standardmäßig an; schalte den Soundtrack aus, wenn du einen günstigeren stummen Clip willst.
• Preis: 43 Credits / Sekunde mit Ton in 720p: 344 Credits für 8 Sekunden, etwa $3.44 mit dem Einstiegspaket, bei dem ein Credit ungefähr einen Cent kostet.
• Formate: 16:9 und 9:16.
• Modi: Text-zu-Video, Bild-zu-Video ab einem ersten Frame, einem letzten Frame oder beiden, bis zu drei Referenzbilder und ein Seed.
• Plan: ab Hobby ($15, 1.800 Credits). Veo 3.1 rendert im Creator-Plan in voller Qualität; Veo 3.1 Lite läuft auf jedem Konto.
• Inhalte: vorgelagert vom Anbieter moderiert; ein abgelehnter Prompt liefert content_blocked zurück und kostet nichts. Lehnt der Anbieter ab, ist Motion One – die eigene unzensierte Engine von eroq, auf jedem Konto – die Alternative.

Ein Hobby-Monat reicht für 5 Clips mit Veo 3.1 Fast à acht Sekunden, wenn du ihn für nichts anderes ausgibst. Fehlgeschlagene Renders werden automatisch erstattet, und ungenutzte Credits werden übertragen.

Für den Ton schreiben

Die visuelle Hälfte des Prompts folgt demselben Muster wie bei jeder Engine auf eroq: ein fließender Absatz – Motiv, Bewegung, Kamera, Licht, Stimmung –, 30 bis 80 Wörter. Dann fügst du den Ton hinzu, und die nützliche Gewohnheit ist, ihn als zweiten, kürzeren Satz ans Ende zu schreiben, in derselben Reihenfolge wie die Ebenen oben.

Zuerst die Atmosphäre. Nenn den Raum und wie er klingt. „Gleichmäßiger Regen auf einem Bahnsteigdach.“ „Leises Stimmengewirr und eine Espressomaschine.“ Ein oder zwei Elemente – ein 8-Sekunden-Clip fasst keine ganze Klanglandschaft.

Effekte, die an Handlungen hängen, die du schon geschrieben hast. Steht im visuellen Teil „die Türen öffnen sich zischend“, kann der Tonsatz sagen: „der Türgong und ihre Schritte auf nassem Beton“. Ton ohne sichtbare Ursache neigt dazu, herumzuirren; Ton, der auf einer Handlung sitzt, sitzt meistens auch.

Dialog in Anführungszeichen, mit Sprecher. Eine Zeile, unter zehn Wörtern, und wer sie sagt. Acht Sekunden sind eine Zeile, vielleicht zwei. Schreib die Zeile so, wie die Figur sie sagen würde, nicht so, wie ein Drehbuch sie zusammenfasst.

Stille ist eine Entscheidung. Willst du keinen Dialog, lass den Mund einer Person im Prompt nicht untätig – gib ihr etwas zu tun. Willst du einen stillen Raum, schreib „still“ und nenn das eine Geräusch, das da ist.

Was du weglassen solltest: Musik. Die Engine rendert, was in der Szene ist; willst du einen Score, ist das ein Schritt für den Schnitt danach. Und stapel keine Adjektive auf den Ton („epischer, filmischer, immersiver Sound“) – nenn stattdessen Quellen.

Beispiel-Prompts

Atmosphäre und Effekte, kein Dialog, 16:9:

Ein Nachtzug fährt an einem regennassen Bahnsteig ein, die Bremsen quietschen, die Türen öffnen sich zischend, und eine einzelne Passagierin steigt unter den gelben Bahnhofslampen aus und zieht ihren Mantel gegen den Wind zu. Statische Einstellung vom anderen Ende des Bahnsteigs, der ganze Bahnsteig im Bild, Neon-Noir-Farbpalette, ruhig und einsam. Dazu gleichmäßiger Regen auf dem Bahnsteigdach, das Quietschen der Bremsen, der Türgong und ihre Schritte auf nassem Beton.

Einstellungen: 8 s, 16:9, 1080p, Licht „Practicals“, Farbpalette „Neon-Noir“; die statische Kamera steht schon im Prompt.

Eine Dialogzeile, 9:16:

Eine Barista in einem kleinen, ruhigen Café schiebt einer Kundin eine Tasse über den Tresen, wirft einen Blick auf den Regen draußen und sagt: „Schon der dritte heute, und es ist noch nicht mal Mittag.“ Nahaufnahme am Tresen, weiches Kreuzlicht, warme Filmpalette, sanft und trocken. Dazu das Zischen einer Espressomaschine, leises Stimmengewirr und Regen gegen das Fenster.

Einstellungen: 8 s, 9:16, Licht „Weiches Kreuzlicht“, Farbpalette „Warmer Film“; die Nahaufnahme steht schon im Prompt.

Beide Prompts setzen den Tonsatz ans Ende und binden jeden Effekt an etwas Sichtbares. Das ist die ganze Methode.

Wofür Veo passt

Acht Sekunden mit Ton sind ein ganz bestimmtes Format, und ein paar Aufgaben passen genau hinein:

• Anzeigen. Im Ads Studio besteht eine Videoanzeige aus einem Format (UGC-Testimonial ist das erste von acht), deinem Produkt, einem Präsentator und einem gesprochenen Satz, und das Studio startet mit einer Engine, die spricht und das Produktfoto sieht – was Veo kann. Ein Testimonial ist eine Person, eine Zeile, Raumklang: mit anderen Worten ein 8-Sekunden-Clip von Veo. Die Seite zum KI-Werbegenerator führt durch den Ablauf, und UGC-Ads sind der naheliegende Einsatz.
• Einstellungen in einem Film. Cinema baut einen Film im Tab Story auf, Szene für Szene und Einstellung für Einstellung, bis zu 24 Einstellungen. Eine Veo-Einstellung bringt ihren eigenen Ton in den Schnitt mit. Die API-Seite dazu ist /docs/films.
• Produktmomente. Eine Flasche, die geöffnet wird, ein Reißverschluss, der zugezogen wird, ein Laptop, der zuklappt – Handlungen mit einem typischen Geräusch.

Wofür sie nicht passt: alles, was länger als 8 Sekunden ist, quadratische oder 21:9-Formate, und alles, was ihr Anbieter ablehnt. Für lange Einstellungen ist Seedance 2.5 die richtige Engine – /compare/seedance-vs-veo-3 zeigt den direkten Vergleich. Die Engine-Seite unter /models/veo-3-1-fast hat die aktuelle Spezifikation.

Häufige Fragen

Erzeugt Veo 3.1 Fast auf eroq Ton?

Ja. Es rendert eine Tonspur – Atmosphäre, Effekte und Dialog – zusammen mit dem Bild, aus demselben Prompt. Der Ton ist standardmäßig an und lässt sich für einen günstigeren stummen Clip ausschalten. Viele andere Engines im Angebot rendern ebenfalls Ton; Veo ist die Engine, für die dieser Leitfaden geschrieben ist.

Wie lang ist ein Clip mit Veo 3.1 Fast?

4, 6 oder 8 Sekunden. Für längere Takes wähl eine andere Engine aus dem Angebot: Seedance 2.5 und Wan 3.0 gehen bis 30 Sekunden, je nach Plan.

Was kostet ein Clip mit Veo 3.1 Fast?

344 Credits für 8 Sekunden mit Ton in 720p, etwa $3.44 mit dem Einstiegspaket. Freigeschaltet ist es ab dem Hobby-Plan, und fehlgeschlagene Renders werden automatisch erstattet.

Schreib die Einstellung, füg den Tonsatz hinzu und render sie – /studio/video.