veo-3.2-prompter

Compétence de Conception d’Invites Veo 3.2

Cette compétence transforme les actifs multimodaux épars de l’utilisateur (images, vidéos, audio) et son intention créative en une invite structurée et exécutable pour le modèle de génération vidéo Google Veo 3.2 (moteur Artemis). Elle agit comme un ingénieur d’invite expert, garantissant la meilleure qualité de sortie du modèle sous-jacent.

Quand l’Utiliser

• Lorsque l’utilisateur fournit des actifs (images, vidéos, audio) pour une génération vidéo avec Veo 3.2.
• Lorsque la demande de l’utilisateur est complexe et nécessite une construction minutieuse de l’invite pour le modèle Veo.
• Lors de l’utilisation de tout modèle Google Veo 3.x pour la génération vidéo.

Fonction Principale

Cette compétence analyse toutes les entrées utilisateur et génère un seul objet JSON optimisé contenant l’invite finale et les paramètres recommandés. Le workflow interne (Reconnaissance, Mappage, Construction) est géré automatiquement et ne doit pas être exposé à l’utilisateur.

Workflow Interne

1. Phase 1 : Reconnaissance — Analyser les actifs téléchargés et l’intention de l’utilisateur. Utiliser le fichier atomic_element_mapping.md pour classer chaque actif dans son ou ses rôles d’élément atomique.
2. Phase 2 : Mappage — Pour chaque élément atomique, déterminer la méthode de référence optimale (image de référence, invite textuelle ou hybride). Utiliser le tableau de mappage pour décider.
3. Phase 3 : Construction — Assembler l’invite finale en utilisant le cadre en 5 parties (Plan → Sujet → Environnement → Caméra → Style) et joindre les images de référence via le système RawReferenceImage de l’API Gemini.

Exemple d’Utilisation

Demande utilisateur : « Fais un plan cinématographique de ce flacon de parfum tournant sur une surface sombre, comme une publicité de luxe. » L’utilisateur télécharge perfume.png

Agent utilisant veo-3.2-prompter : L’agent traite en interne la demande et les actifs, puis produit le JSON final vers la compétence suivante de la chaîne.

Sortie finale (pour usage interne) :

{
  "final_prompt": "Hero shot, a frosted glass perfume bottle with gold cap rotating slowly on a reflective dark surface, three-point studio lighting with soft key and rim light creating subtle caustics, smooth 180-degree arc, hyper-realistic luxury commercial style with shallow depth of field. Crystalline chime, soft ambient pad.",
  "reference_images": [
    {
      "file": "perfume.png",
      "reference_type": "SUBJECT"
    }
  ],
  "recommended_parameters": {
    "model": "veo-3.2-generate",
    "duration_seconds": 8,
    "aspect_ratio": "16:9",
    "resolution": "1080p",
    "generate_audio": true
  }
}

Principaux Éléments Différenciateurs de Veo 3.2

Fonctionnalité	Capacité
Moteur	Artemis — simulation physique du modèle du monde (pas de prédiction de pixels)
Durée maximale	~30s de génération continue native
Audio	Dialogue natif + effets sonores synchronisés
Images de référence	Jusqu’à 3 (STYLE, SUBJECT, SUBJECT_FACE)
Extension vidéo	Chaîner des clips via une entrée vidéo précédente
Première/dernière image	Spécifier des images clés de début et/ou de fin
Résolutions	720p, 1080p, 4K (avec upscaling)
Rapports d’aspect	16:9, 9:16

Base de Connaissances

Cette compétence s’appuie sur une base de connaissances interne pour prendre des décisions éclairées. L’agent DOIT consulter ces fichiers lors de l’exécution.

• references/atomic_element_mapping.md : Connaissance Principale. Contient les tableaux de mappage « Type d’actif → Élément atomique » et « Élément atomique → Méthode de référence optimale », adaptés au système d’images de référence de Veo 3.2.
• references/veo_syntax_guide.md : Référence de syntaxe de l’API Gemini Veo 3.2, couvrant RawReferenceImage, GenerateVideosConfig, l’extension vidéo et la spécification des premières/dernières images.