這是鮮少人知的「隱藏版技巧」。雖然 Veo 聽不到聲音，但它看得懂文字。
我們發現，只要在生成影片的 Prompt (提示詞) 中，明確寫入："A close-up of Sanxianzi singing the lyrics '... (填入歌詞) ...' with passion"。
模型會根據文字的語意，自動生成「正在唸這些字」的嘴型。雖然無法跟 Suno 的節奏 100% 同步，但嘴型的開合度會看起來非常真實，適合慢歌或唸白段落。
配圖： 這非常重要！請截一張你在生成影片時的 Prompt 輸入框截圖，並用螢光筆把歌詞的部分畫起來，證明你是把歌詞寫進指令裡的。
短片內容：
放一段由這種方法生成的特寫，標註「Text-Driven Lip Sync」。