提示词编写指南 编写高质量的提示词是获得优秀视频的关键。以下是各个要素的详细说明：
提示词结构 明确描述视频的主要对象或角色 好的示例：
“一只橘色的小猫”
“穿着红色连衣裙的年轻女孩”
“银色的跑车”
避免： 详细描述背景和环境 好的示例：
“阳光明媚的花园”
“雨夜的城市街道”
“日落时分的海滩”
避免： 指定期望的视觉风格 好的示例：
“4K高清，电影级”
“动画风格”
“复古胶片质感”
可选元素 优秀提示词示例
提示词增强功能 开启 enhance_prompt 可以让 AI 自动优化您的提示词，提高生成质量
何时使用提示词增强
推荐使用
初次使用 API
提示词较简单
想要更好的效果
不确定如何描述
可以关闭
需要精确控制
已有完善提示词
特定风格要求
技术性描述
参考图片使用 图片要求 要求 说明 格式 JPG、PNG、WebP 大小 单张不超过 10MB 数量 最多 5 张 分辨率 建议 1024x1024 以上 内容 清晰、相关的参考素材
使用技巧 轮询策略 推荐的轮询实现 import time import math def exponential_backoff_polling ( client , task_id , initial_interval = 5 , max_interval = 60 ): """ 指数退避轮询策略 """ interval = initial_interval attempt = 0 while True : try : status_data = client.get_status(task_id) status = status_data.get( 'status' ) if status == 'completed' : return status_data[ 'result' ] elif status == 'failed' : raise Exception ( f "生成失败: { status_data.get( 'error' ) } " ) # 指数退避 time.sleep(interval) attempt += 1 interval = min (initial_interval * math.pow( 1.5 , attempt), max_interval) except Exception as e: print ( f "轮询出错: { e } " ) time.sleep(interval) 轮询参数建议
初始间隔： 5 秒最大间隔： 60 秒退避因子： 1.5最大等待： 30 分钟 错误处理 重试策略 def retry_with_backoff ( func , max_retries = 3 , backoff_factor = 2 ): """ 带退避的重试机制 """ for attempt in range (max_retries): try : return func() except Exception as e: if attempt == max_retries - 1 : raise wait_time = backoff_factor ** attempt print ( f "失败， { wait_time } 秒后重试..." ) time.sleep(wait_time) 常见错误处理 try : result = client.submit_task(prompt) except requests.exceptions.ConnectionError: print ( "网络连接失败，请检查网络" ) except requests.exceptions.Timeout: print ( "请求超时，请稍后重试" ) try : result = client.submit_task(prompt) except Exception as e: if "QUOTA_EXCEEDED" in str (e): print ( "配额已用完" ) elif "INVALID_PROMPT" in str (e): print ( "提示词无效" ) status = client.get_status(task_id) if status[ 'status' ] == 'failed' : error_info = status.get( 'error' , {}) print ( f "任务失败: { error_info.get( 'message' ) } " ) # 可以尝试重新提交 性能优化 批量处理 当需要生成多个视频时，建议使用批量处理：
async def batch_process_videos ( prompts , max_concurrent = 5 ): """ 批量处理视频生成 """ semaphore = asyncio.Semaphore(max_concurrent) async def process_one ( prompt ): async with semaphore: return await client.submit_and_wait(prompt) tasks = [process_one(prompt) for prompt in prompts] return await asyncio.gather( * tasks) 资源管理 成本优化 模型选择策略 def choose_model ( requirements ): """ 根据需求智能选择模型 """ if requirements.get( 'need_fast' ): return 'veo3-fast' elif requirements.get( 'high_quality' ): return 'veo3-pro' elif requirements.get( 'precise_control' ): return 'veo3-pro-frames' else : return 'veo3' # 默认选择标准版 测试建议 开发阶段使用 veo3 或 veo3-fast 进行测试，生产环境根据需要选择合适的模型
监控和日志 建议的日志记录 import logging from datetime import datetime class VEOLogger : def __init__ ( self ): self .logger = logging.getLogger( 'veo_api' ) def log_task_submission ( self , task_id , prompt , model ): self .logger.info( f "Task submitted: { task_id } " ) self .logger.debug( f "Prompt: { prompt[: 50 ] } ..." ) self .logger.debug( f "Model: { model } " ) def log_task_completion ( self , task_id , duration , video_url ): self .logger.info( f "Task completed: { task_id } " ) self .logger.info( f "Duration: { duration } s" ) self .logger.debug( f "Video URL: { video_url } " ) 监控指标
任务成功率
平均生成时间
API 响应时间
错误率统计
费用追踪
