Tekst naar video met Veo 3: zes fouten die een goede clip verpesten

Veo 3 faalt zelden zomaar. Als er een clip terugkomt met een camera die langs het onderwerp wegdrijft, een hand die in een aanrechtblad versmelt, of een gesproken zin die een halve seconde later valt dan het moment waarop de mond stopt met bewegen, zit de oorzaak meestal in een leemte in de prompt. Het model heeft die leemte voor je opgevuld, en het heeft hem opgevuld met zijn eigen gok.

De fouten hieronder kosten de meeste renders in tekst-naar-video-werk met Veo 3, ruwweg in de volgorde van hoeveel van een clip ze verwoesten. Elk heeft een correctie die een zin kost in plaats van een nieuw renderbudget, en elk is te controleren voordat je op genereren klikt.

Fout 1: één korte clip een hele scène laten vertellen

Een enkele generatie is een shot, geen scène. De eigen Veo-voorbeelden van Google DeepMind beschrijven elk één onderwerp, één cameragedrag en één audio-onderlaag; de gepubliceerde Veo 3.1-voorbeelden van Magic Hour zijn net zo goed elk één generatie van acht seconden, met een beoordelingsnotitie dat het resultaat één insert shot is en geen complete sequentie.

De fout schrijf je makkelijk per ongeluk op: “Ze loopt het café in, bestelt een flat white, gaat bij het raam zitten en pakt haar telefoon erbij.” Dat zijn vier acties die om acht seconden vechten. Wat er terugkomt is meestal de middelste actie, vaag uitgevoerd, waarbij de telefoon al in beeld is voordat de hand de zak bereikt.

Los het op door de ene actie te kiezen die het shot draagt. Bewaar de entree en de telefoon voor aparte generaties en monteer ze daarna aan elkaar. Kun je niet beslissen welke actie het zwaarst weegt, dan is het shot nog niet klaar om te prompten.

Fout 2: camerabewegingen stapelen die elkaar tegenspreken

“Slow pan, orbit en push in” leest als cinematografie en gedraagt zich als drie instructies die elkaar tegenspreken. De probleemoplossingslijst van Magic Hour noemt precies dit geval: de camera negeert het plan, en de oplossing is om één cameragedrag te kiezen, de richting en het tempo te benoemen en de bewegingen te schrappen die daartegen vechten.

Let op het verraad in de output. Een clip die een beweging half afmaakt, naar voren duwt maar nooit omhooggaat, of om een onderwerp heen draait dat uit beeld schuift, wijst meestal op een prompt met twee bewegingen erin, niet op een model dat geen camera kan bewegen.

Schrijf één beweging, één richting, één tempo: “De camera maakt één langzame push in en eindigt op een medium close-up van de handen.” Voeg pas een tweede beweging toe als de eerste op zichzelf staat.

Fout 3: een stemming beschrijven in plaats van een zichtbare actie

Woorden als cinematic, premium, emotioneel en dynamisch vertalen niet naar pixels. Het zijn oordelen over het eindresultaat, en het model kan een oordeel niet weergeven. Wat het wél kan weergeven is een oppervlak, een lichtrichting en een beweging.

De foutenlijst van Higgsfield maakt hetzelfde punt van de andere kant: koppel emotie aan iets wat de camera kan zien, zoals een aarzelende hand op een rem of een treuzelende blik, in plaats van het gevoel te benoemen. De reparatie van Magic Hour is een substitutieoefening, waarin premium verandert in geborsteld metaal, een mat oppervlak en gecontroleerd randlicht, en cinematic in een specifieke camerahoogte en een bepaald lensgevoel.

Vergelijk “een premium koffiemoment” met “stoom die opstijgt uit een wit kopje op een gekrast eiken tafelblad, laag ochtendlicht van links, de camera vast, het kopje en schoteltje onveranderd.” De tweede versie geeft het model vier dingen die het echt kan tekenen en één ding dat het niet mag veranderen.

Fout 4: uitsluitingen als commando’s schrijven

De meeste prompts eindigen met een regel als “geen tekst, geen watermerk, geen extra mensen.” De eigen promptgids voor videogeneratie van Google vraagt om de tegenovergestelde vorm: vermijd gebiedende taal als “geen muren” of “laat geen muren zien”, en beschrijf de ongewenste elementen juist als een lijst, door de objecten te benoemen die je niet wilt zien.

Daaruit volgen twee praktische consequenties. Ten eerste: houd uitsluitingen in de vorm die het model heeft leren lezen, wat betekent dat je objecten benoemt in plaats van ertegen te redeneren. Ten tweede: behandel elke uitsluiting als een verzoek, niet als een garantie. Magic Hour is daarover bot bij ondertitels: een instructie om tekst uit te sluiten blijft een verzoek, en de laatste frames moeten nog steeds worden gecontroleerd op verdwaalde letters.

De regel wordt dus “tekst, watermerk, extra mensen”, en de controle wordt een blik op de twee of drie frames waar tekst meestal opduikt: bewegwijzering, schermen, verpakkingen en elk oppervlak dat naar de camera toe wijst.

Fout 5: audio behandelen als bijschrift in plaats van als spoor

Veo 3 genereert audio native, waarbij geluidseffecten, omgevingsgeluid en dialoog uit dezelfde pass komen als het beeld. Dat is het grootste voordeel van het model ten opzichte van stille videogenerators, en de snelste manier om het te verspillen is geluid te behandelen als iets wat je achteraf aan een beeldbeschrijving vastplakt.

Twee soorten fouten overheersen. De eerste is een gesproken zin die te lang is voor het shot: tegen de tijd dat de zin klaar is, is de mond al gestopt met bewegen of is de zin afgekapt. De tweede is één ongedifferentieerd audioverzoek waarin muziek, ruimtetoon, effecten en spraak in één zinsdeel zijn gepropt, waardoor het model er één kiest en de rest laat vallen.

Scheid de lagen en benoem de spreker. “Rustige studioruimtetoon, één metalen tik wanneer de sleutel de tafel raakt, geen muziek” is een mixinstructie. “Ze zegt, met ontspannen stem, dat deze klaar zijn voor het eerste etentje” is een speelinstructie. Houd de zin kort genoeg voor de duur die je echt hebt aangevraagd, en tel de woorden af tegen de seconden, niet tegen het script.

Fout 6: contactpunten en fysica openlaten

Alles wat de prompt openlaat, beslist het model. De checklist van Higgsfield maakt daar een concrete controle vooraf van: benoem de contactpunten — handen, vingers en wat wat aanraakt — plus één benoemde lichtbron en de richting van de beweging.

Daarom zijn handen het klassieke slachtoffer. Een prompt als “ze pakt de sleutel op” laat de greep, het aantal vingers en de hoek open, en de render lost dat ergens tussen geloofwaardig en fout op. Een prompt als “haar duim en wijsvinger knijpen de sleutel bij de kop vast en tillen hem van de tafel” laat veel minder ruimte.

Fysica werkt net zo. Stof, vloeistof en haar zijn de plekken waar het model het meest improviseert, dus benoem wat vast moet blijven: de jas beweegt niet, de vloeistof blijft op gelijk niveau in het glas, de wijzerplaat en de band van het horloge blijven doorlopend onveranderd. Zulke regels kosten niets, en ze maken het verschil tussen een bruikbaar productshot en een reshoot.

Repareer de instructie, niet de hele prompt

Na een slechte clip wil je alles herschrijven, en daarmee vernietig je je bewijs. Verander per poging één instructie, dan leer je welke zin verantwoordelijk was.

Houd een referentiegeneratie bij de hand: een vastgezet shot van hetzelfde onderwerp, met dezelfde audio, waarvan je weet dat het werkt. Als een nieuwe poging mislukt, vergelijk de twee en benoem het verschil. Verschuift de fout elke keer dat je dezelfde tekst opnieuw draait, dan is het een promptprobleem. Gaat het bij elke run op precies dezelfde manier mis, dan is het een instellingsprobleem, en meer bijvoeglijke naamwoorden helpen daar niet tegen.

Loop voordat je herschrijft het symptoom langs deze volgorde: specificiteit van het onderwerp, aantal acties, aantal camerabewegingen, lichtbron, contactpunten, audiolagen en dan de invarianten. Het eerste punt dat in jouw tekst echt onderbeschreven is, is het punt om aan te pakken, en meestal is dat het enige.

Een controle die het meeste hiervan vangt vóór je genereert

Lees de prompt één keer door en vink elke regel af. Waar een regel geen antwoord heeft, levert het model er zelf een.

• Eén onderwerp, specifiek genoeg beschreven om het alleen uit de tekst te herkennen.
• Eén actie, verwoord met een werkwoord dat een zichtbaar resultaat heeft.
• Eén cameragedrag, met een richting en een tempo.
• Eén benoemde lichtbron, met een richting.
• Elk contactpunt benoemd: handen, voeten, voorwerpen die op oppervlakken rusten.
• Audio opgesplitst in spraak, omgeving, effecten en muziek, met de spreker benoemd.
• Een regel met invarianten: wat tijdens het shot niet mag veranderen.
• Duur, resolutie en beeldverhouding ingesteld in de interface, niet in de zin.

Dat laatste punt is belangrijker dan het lijkt. Een prompt die om verticale kadrering vraagt, verandert het uitvoerdoek niet zoals een verticale instelling dat doet, en een landscaperender die je naar portret bijsnijdt, snijdt precies de actie weg die je belangrijk vond. Waar de tool de instelling aanbiedt, gebruik je de instelling.

Niets hiervan maakt Veo 3 voorspelbaar zoals een storyboard voorspelbaar is. Het maakt fouten leesbaar, en dat is het deel waar je iets mee kunt: een clip die één benoemd ding mist, is te repareren met één benoemde wijziging, terwijl een clip die alles mist meestal betekent dat de prompt alles tegelijk vroeg. Als je nog beslist welke shots de render waard zijn, dan helpt het overzicht Veo 3-use cases die bij korte clips passen je bij die keuze, en de Veo 3-videogenerator is waar de gecorrigeerde prompt naartoe gaat.