Google'ın Veo 3'ü: Pratik Örneklerle Bir Kılavuz

Şu anda Veo 3 yalnızca ABD'de ve yalnızca Google'ın yeni yapay zeka destekli film yapım arayüzü olan Flow üzerinden erişilebilir. Erişim için aylık 250 $ (vergilerle yaklaşık 272 $) tutarında AI Ultra planına ihtiyacınız var.

Hadi üretmeye başlayalım!

Bir Reklam Oluşturma

İlk testimde, Mintro adlı hayali bir nane markası için tek plan bir reklam yapmak istedim. Fikir: kısa, vurucu ve akılda kalıcı bir şey. Garip ama tanıdık bir an hayal ettim—hızlı bir kaydırma-durdurucu olarak çalışabilecek bir şey.

Kurgu şöyle: kalabalık bir asansörde sıkışıp kalmış iki iş arkadaşı, yüz yüze, özgüvenin (ve ferah nefesin) önemli olduğu türden bir alan. Gerilimi kırmak için biri, hem trajik hem komik bir cümle kuruyor:

“Bir keresinde genel toplantıda hapşırıp aynı anda ‘ekran paylaş’a tıkladım. Kurtulan olmadı.”

Sonra reklam Mintro logosuna ve şu slogana kesiyor:

“Asansör sohbeti için onaylı.”

Siz de adım adım ilerlemek isterseniz, bu görseldeki görsel talimatları kullanarak Veo 3 ile bir video oluşturun:

Bu istemle başlayalım ve neler elde edeceğimize bakalım:

İstem:

Sabah yoğun saatlerinde kalabalık bir kurumsal asansör. İyi giyimli iki meslektaş, dar alandan dolayı rahatsız edici biçimde yakın durarak yüz yüze. Biri, yüzünü bozmadan hafifçe eğilir ve şöyle der: “Bir keresinde genel toplantıda hapşırıp aynı anda ‘ekran paylaş’a tıkladım. Kurtulan olmadı.” Diğeri gülmesini bastırmaya çalışır. Asansör ‘ding’ sesi çıkarır ve kapılar hareketli bir ofis katına açılır.

İlk sürüm umut vericiydi, fakat tam oturmayan birkaç nokta vardı.

Öncelikle, asansördeki herkes ana karakterlere bakıyordu—bu da odağı yanlış yere çekiyordu. Etrafındaki insanların kendi dünyalarında kalmasını istedim; sabah yolculuklarında çoğumuzun yaptığı gibi. İdealde biri telefonuna bakar, bir başkası dalgın dalgın ileriye bakar, belki biri çantasını düzeltir—ama hiç kimse etkileşimi izlememeli.

Bir diğer sorun: Kadın elini burnuna götürüyor; bu da erkeğin nefesinin kötü koktuğunu zımnen ima ediyor. Bu, reklamın amacını tamamen baltalıyor—konu ferah nefesten gelen özgüven olmalı. O jest gitmeliydi.

Mekân da garip hissettirdi. Nedense asansör doğrudan bir ofis alanına açıldı; oysa ofisler böyle değildir. Asansörler genellikle bir koridora ya da bekleme alanına açılır, birinin çalışma alanına doğrudan değil. Küçük bir ayrıntı ama sahneyi tuhaf şekilde yapay hissettirdi.

Bunun üzerine, videoda talep etmediğim altyazılar belirdi—hem de fena halde yanlış yazılmıştı. Son olarak, asansör içindeki ses manzarası fazla ölüydü. Ortamı gerçek hissettirmek için tavandaki hoparlörlerden hafif bir asansör müziği gibi ince bir şey gerekiyordu.

Bu notlarla yaklaşık beş yineleme yaptım ve fena olmayan bir sürüm yakaladım. Mükemmel değil, ama hedefime çok daha yakın.

Kullandığım revize istem şöyleydi:

İstem:

Sabah yoğun saatlerinde tıka basa dolu bir ofis asansörü. Video başlarken kapılar kapalıdır ve yavaşça açılmaya başladıkça tavandaki hoparlörlerden hafif asansör müziği ve yumuşak bir mekanik uğultu duyarız. Kamera tek, kesintisiz, göz hizasında bir plan tutar; iyi giyimli iki meslektaşa sıkı bir şekilde odaklanır — kalabalık alan nedeniyle rahatsız edici biçimde yakın dururlar. Asansör kapıları yarıya kadar açıldığında, adam sakince ve kendinden emin bir şekilde şöyle der: “Bir keresinde genel toplantıda hapşırıp aynı anda ‘ekran paylaş’a tıkladım. Kurtulan olmadı.” Kadın içten bir kahkahayla tepki verir — eğlenmiştir ama asla abartılı değildir — ve asla konuşmaz, geri çekilmez, yüzüne dokunmaz veya geri adım atmaz. Etraflarında, diğer yolcular rahat ve ilgisiz kalır: biri telefonunda gezinir, bir diğeri düşünceli şekilde ileri bakar, bir başkası çantasını kaydırır — ama hiçbiri ana karakterlere bakmaz ya da tepki vermez. Kapılar tamamen açılmaya devam eder ve planın sonunda iki meslektaş asansörden çıkar, kamera ise sabit kalır. Karakterler kameraya asla bakmaz. Altyazı, alt yazı veya ekranda herhangi bir metin dahil etmeyin.

Bu sürümde mizansen ve tonun çoğu doğruydu. Yine de birkaç küçük sorun kaldı:

• Asansör kapıları biraz fazla hızlı açıldı; bunu sarsıcı buldum.
• Asansör müziği istemini eklememe rağmen ses hâlâ fazla sessizdi.

Yapay zekâ deneyimlerime göre, işi %90 seviyesine getirmek bir dakika, son %10'u doğru yapmak bir saat alıyor—dürüst olmak gerekirse, tam olarak istediğiniz gibi olmasına neredeyse hiç ulaşamıyorsunuz. Bu yüzden taslağı DaVinci Resolve'a alıp gerisini elle yaptım. Yaklaşık 15 dakikalık hafif bir kurgu yeterli oldu—birkaç geçiş, arka plan müziği ve sonda sloganlı Mintro logosu.

Logonun kendisi, kaputunun altında Imagen 4 çalışan Google tasarım aracı Whisk ile üretildi (isterseniz Gemini içinde de bulabilirsiniz). Çıktı, oynama yapmadan yerleştirebileceğim kadar temizdi.

Bu düzenlemelerle reklam hazırdı. Kısa, tuhaf ve—umarım—akılda kalıcı.

Karakter Tutarlılığıyla Çok Planlı Bir Sahne Oluşturma

Şimdi, karakter tutarlılığıyla çok planlı bir sahnenin nasıl kurulacağını göstermek istiyorum—yani aynı karakter bir plandan diğerine yüzünü ve görünümünü koruyor. Kulağa basit gelebilir, ancak yapay zekâ video üretiminde bu tür bir sürekliliği sağlamak hâlâ zor.

Netleştirmek gerekirse: sahne, zaman ve mekânda sürekliliği olan bir öykü birimidir. Nasıl bölmek istediğinize bağlı olarak bir ya da birkaç plandan oluşabilir. Bu yapıyı anladığınızda, tam sahneler kurmak—ve sonunda bunları kısa film gibi bir şeye birleştirmek—kolaylaşır.

Bunu göstermek için, sıklıkla (sözde Hemingway'e atfedilen) gelmiş geçmiş en iyi kıvılcım öykülerinden biri olarak anılan yapıdan esinlenen çok kısa bir hikâye oluşturacağım:

Satılık: bebek ayakkabıları, hiç giyilmedi.

Kurmak istediğim duygusal çekirdek bu. Bu cümleyi hayata geçirmek için iki planlık bir mikro-anlatı hayal ettim:

• Plan 1: 30'larının sonlarında bir kadın, koridor dolabını açar; dolapta eski paltolar, katlanmış çarşaflar ve üzerinde etiket olmayan birkaç karton kutu vardır. Kutulardan birini nazikçe aşağı indirir ve yere diz çöker. Kutuyu açar ve içindeki küçük bir eşyayı dikkatlice sarılı olduğu kâğıttan çıkarır: ince kâğıda sarılı, tertemiz beyaz bir çift bebek ayakkabısı.
• Plan 2: Birkaç dakika sonra, mutfakta. Kadın mutfak masasında tek başına oturmuş, elinde telefon. Kamera, sabit, orta-yakın yandan bir açı tutar. Bebek ayakkabılarını yanına masaya koyar ve telefonundan bir ilan yazmaya başlar. Telefon ekranında metin: “Satılık: bebek ayakkabıları, hiç giyilmedi.”

Bu kez, cilalı, sinematik bir sonuç için yineleme yapmayacağım. Amacım yalnızca bu araçla nelerin mümkün olduğunu göstermek—tonu kurmak ve birden fazla plan boyunca karakter görünümünü korumak.

İlk planı normal şekilde oluşturarak başlayalım (reklamdaki planları oluşturduğumuz gibi).

İstem:

Erken sabah saatlerinde, sessiz, yaşanmış bir evin içi. Doğal ışık, koridor penceresinden yumuşakça süzülür. 30'larının sonlarında bir kadın, eski paltolar, katlanmış çarşaflar ve üzerinde etiket olmayan birkaç karton kutuyla dolu koridor dolabını açar. Kutulardan birini nazikçe aşağı indirir ve yere diz çöker. Kamera orta-geniş, göz hizasında, sabit kalır. Kutuyu açar ve içindeki küçük bir eşyayı dikkatlice sarılı olduğu kâğıttan çıkarır: ince kâğıda sarılı, tertemiz beyaz bir çift bebek ayakkabısı. Topuklarının üzerine oturur, ayakkabıları kucağında tutar. İfadesi çözümlenemez — üzgün değil, yalnızca o anda ve sakindir. Plan sessiz ve aceleye getirilmemiştir. Müzik yok. Doğal ambiyansı vurgulayın — yumuşak ev sesleri, dolap kapağının gıcırtısı, karton hışırtısı ve pencereden gelen uzak bir saat tik takı veya bir kuş gibi ince ayrıntılar. An, fısıltılı ve gerçek hissettirmeli. Görsel stil: doğal ışıkla sıcak, ayakları yere basan gerçekçilik. Aşırı sinematik stilizasyondan kaçının. Kesme veya yakınlaşma olmadan tek, kesintisiz bir planı koruyun. Ekranda herhangi bir metin veya altyazı kullanmayın.

Hiç fena değil. Kadrajı sevdim, renkler iyi, ses de idare eder. Oyunculuk harika değil—duygu pek yok—ama bunu bir kenara koyalım.

Şimdi mutfaktaki bir sonraki plana geçmek istediğimizi varsayalım. Karakter tutarlılığını korumak için—aynı yüz, kıyafet ve genel görünüm—en güçlü seçeneğimiz Scene Builder'ı kullanmak.

İlk planınızdan memnun kaldığınızda, Sahneye ekle'ye tıklayın:

Bir zaman çizelgesi açılacak. Artı işaretine tıklayın ve ardından şunlardan birini seçin:

• Atla: Bu olur ve sonra (sahne şuraya atlar)
• Genişlet: Bu olur ve sonra (plan uzatılır)

Bu örnek için kesmeye ihtiyacım var, bu yüzden Atla'yı seçeceğim ve şu istemi kullanacağım (buna birkaç yineleme sonunda ulaştım—bu özelliğin kesinlikle geliştirmeye ihtiyacı var):

İstem:

Birkaç dakika sonra mutfakta. Güneş ışığı masanın ve zeminin üzerine yumuşakça süzülür, sakin ve sessiz bir atmosfer yaratır. Sessiz ev ambiyansı — buzdolabının hafif uğultusu, sandalyenin hafif gıcırtısı, telefon ekranına yumuşak dokunuşlar. Müzik veya dış ses yok. Kadın mutfak masasında tek başına oturmuş, elinde telefon. Kamera sabit, orta-yakın yandan bir açı tutar. Bebek ayakkabılarını yanına masaya koyar ve telefonundan bir ilan yazmaya başlar. Kamera, telefon ekranını gösteren omuz üstü bir plana veya sıkı bir detaya keser: “Satılık: bebek ayakkabıları, hiç giyilmedi.” Metne uzun bir an bakar, parmağı paylaş düğmesinin üzerinde asılı kalır. Gözleri hafifçe dolmaya başlar, ancak hemen kırpıp geri çevirir. Ağlamaz — bunun yerine telefonu kilitler, ekranı aşağı gelecek şekilde masaya bırakır ve nefes verir, kendini toparlar. İfadesi ölçülü ve çözümlenemez, ancak beden dili her şeyi söyler: bu kolay değil. Ekranda herhangi bir altyazı kullanmayın.

İstem uyumu düşüktü—ton ve kompozisyon kafamdakilerle örtüşmedi. Buna karşın, karakter tutarlılığı fena değildi: aynı saç kesimi, benzer yüz yapısı, ama kıyafetler değişmişti.

Çıktıda bazı görsel yapaylıklar da fark ettim (ayakkabılara bakın). Ayrıca tek plan beklerken tek seferde üç ayrı kesme geldi. Sonradan istemde farkında olmadan ikinci bir kesmeye işaret ettiğimi anladım, o kısım benim hatam—ama üçüncü planın nereden çıktığı hâlâ muamma.

Üstelik, Scene Builder'dan dışa aktarmak sesi tamamen kaldırdı. Bunun bir hata mı yoksa mevcut kurulumun bir sınırlaması mı olduğundan emin değilim, ama doğrudan bir çözüm görünmüyor. Yine de her planı tek tek indirebiliyorsunuz—ben de DaVinci Resolve'da yeniden birleştirdim.

Google'ın Scene Builder özelliğinde yapacak hâlâ çok iş var, ama umut verici!

Ingredients to Video ile Modüler Kontrol

Flow içindeki daha deneysel (ve eğlenceli) özelliklerden biri Ingredients to Video. Size modüler kontrol veriyor: tek tek öğeler—ingredients—üretip sonra bunları bir sahnede birleştiriyorsunuz.

Ingredients'ları görsel üretimiyle oluşturabilirsiniz, ancak görsel yükleme henüz desteklenmiyor. İşte Google ekibinden bir örnek:

Bu testte biraz absürt bir şey denemek istedim—komik, Kafkaesk bir kısa:

İnsan yüzlü bir böcek bir SUV sürüyor. Ama işin püf noktası şu (sanki bu kadarı yetmezmiş gibi): sürücü koltuğu bir kral tahtı.

Önce, Ingredients to Video seçeneğini seçelim:

Üç ingredient'ı tek tek üreterek başladım: tahta, SUV ve böcek.

Ne yazık ki bu özellik şu anda Veo 3 değil, Veo 2 üzerinde çalışıyor. Teknik olarak açılır menüden Veo 3'ü seçebiliyorsunuz, ancak üretim sırasında otomatik olarak tekrar Veo 2'ye dönüyor ve şu uyarıyı gösteriyor:

Beklendiği gibi, çıktı kalitesi sönüktü:

İstem:

İnsan yüzlü bir böcek, oversized bir kral tahtına oturmuş halde sakin bir şekilde bir SUV sürüyor.

Yine de üç ingredient'tan ikisi—özellikle böcek ve tahta—şaşırtıcı derecede iyi görünüyordu. SUV için aynısını söyleyemeyeceğim…

Veo 3'ün yetenekleriyle bu kurgu muhtemelen çok daha güçlü olurdu. Şimdilik bu mod umut vadediyor, ancak henüz istenen seviyede değil.

Frames to Video

Frames to Video'nun fikri şu: modele ilk ve son kareyi veriyorsunuz, o da arada (kontrol edebileceğiniz bir kamera hareketiyle) bir geçişi animasyonla oluşturmaya çalışıyor. Bu kareleri bir istemden üretebilir ya da (ileride) kendiniz yükleyebilirsiniz—görsel yükleme henüz mevcut değil.

Ingredients özelliğinde olduğu gibi, bu mod da otomatik olarak Veo 2'ye dönüyor; bu da kaliteyi ciddi biçimde sınırlıyor. Bu modla özellikle kullanışlı bir şey üretemedim.

Sonunda, bir bukalemunun tek planını animasyonlaştırmak için kullandım. Başlangıç ve bitiş karesi olarak aynı görseli ayarladım ve kameranın içeri doğru hareket etmesini (dolly-in) istedim—ama bu kısım nihai renderda yerine getirilmedi.

İstem:

Bir bukalemun bir dal üzerinde kımıldamadan oturur; gözleri sabırla av beklerken zıt yönlere doğru yavaşça gezinir.

Veo 3 İçin En İyi Uygulamalar

Flow üzerinden Veo 3'e ilk erişim sağladığınızda 12.500 krediyle başlarsınız. Her video üretimi bu toplamdan bir pay tüketir—Veo 3 ile üretim başına 150 kredi—dolayısıyla baştan stratejik olmakta fayda var.

Önerim: istemlerinizi dikkatlice düşünün ve her seferinde yalnızca tek bir çıktı üretin. Bu kredileri ay boyunca idareli kullanmanız gerekecek ve her üretim genellikle 2–3 dakika veya daha fazla sürüyor. Bu da yinelemeyi nispeten yavaş kılıyor; deneme-yanılma ne ucuz ne de hızlı.

İstem yazımı için Google, Veo'ya yönelik etkili istemlerin nasıl yapılandırılacağına dair içgörüler sunan Vertex AI video üretimi istem rehberi sunuyor. Bu rehber, net ve betimleyici istemlerin önemini vurguluyor ve başlamanıza yardımcı olacak örnekler sağlıyor.

Ek rehberlik arıyorsanız, Runway Gen-3 Alpha İstem Rehberi değerli bir kaynak. Yüksek kaliteli video çıktıları sağlayan istemler yazmak için ayrıntılı stratejiler sunuyor ve Veo 3 ile çalışırken de faydalı olabilir.

Sonuç

Şu zamana kadar beni en çok şaşırtan yapay zeka atılımı GPT-4o'nun görsel üretiminden beri bu olmamıştı.

Veo 3, doğal dil istemlerinden tutarlı ve sesli video üreterek temelde yeni bir şey sunuyor. Sadece bu bile, denediğim her şeyden ayrışmasını sağlıyor.

Elbette kusurları var—istem kayması, Scene Builder gibi kilit araçlarda tam Veo 3 erişiminin olmaması ve ara sıra görsel aksaklıklar—ama öz deneyim gerçekten heyecan verici.

Öne çıkan, kullanılabilir bir yaratıcı üretim hattına ne kadar yaklaştığı. Biraz kurgu ve dikkatli istemlerle birkaç saatten kısa sürede fikirden storyboard'a, oradan da çalışan bir kısa projeye geçebiliyorsunuz. Buna karakter tutarlılığını (biraz kırılgan da olsa), çıktıya gömülü sesi ve modüler iş akışlarına desteği eklediğinizde, bu ciddi bir araca dönüşüyor.