OpenAI 前不久剛推出了 Sora 2 視頻生成模型，勢頭相當兇猛，緊隨其后，今天 Google 的 Veo 3.1 也迎來了一次重大升級。

具體來看，Google 這次的升級包括兩個層面。

一是功能層面的完善。視頻編輯功能得到了強化，用戶現在可以對片段進行更細致的調整，對最終畫面有了更精準的掌控。

更重要的是，Google 首次給「素材轉視頻（Ingredients to Video）」「幀轉視頻（frames to Video）」和「延展（Extend）」這些功能配上了音頻，讓音頻成為創作流程的一部分。

二是模型層面的進步。

今天發布的 Veo 3.1 在提示詞理解和視聽質量兩個關鍵指標上都有了明顯提升，從圖像到視頻的轉化因此更加自然流暢。

相關閱讀 AI 視頻新王全球爆火，威爾·斯密斯終于可以好好吃面（附大量實測演示）

眾所周知，Veo 3 原本就有不少編輯能力在身——通過參考圖像指導角色生成、用首尾兩幀填充中間內容、基于視頻末尾繼續延展等操作都可以做。

Veo 3.1 的做法是在這些既有功能上全部加入音頻支持，讓用戶能夠打造更加完整的場景。這些功能目前還處于實驗階段，Google 表示會根據用戶反饋繼續優化迭代。

現在用戶可以這樣使用這些功能：

1、用多張參考圖像定義角色、物體和風格，「素材轉視頻」功能就會根據這些素材生成最終場景。

2、或者提供起始和結束畫面，讓「幀轉視頻」功能在中間生成無縫過渡，這對需要藝術性轉場的項目特別有用。

3、如果要生成更長的視頻，「延展」功能可以生成超過一分鐘的內容，基于前一段繼續生成，保持故事的連貫性。

值得一提的是，Veo 3 的文本轉視頻此前只支持 720p 橫屏輸出，但隨著豎屏視頻成為互聯網內容的主流格式，Veo 3.1 現在也可同時生成橫屏和豎屏的 16:9 視頻，更符合當前的內容消費習慣。
創意的打磨往往需要反復迭代。

自 Flow 于今年 5 月推出以來，用戶已經在該應用中創作了超過 2.75 億個視頻。吸取用戶的反饋之后，Flow 中新增的兩個編輯功能就是為此而生——

「插入新元素」讓用戶可以隨時添加內容，Flow 會自動處理陰影和光線，使新增部分自然融入原有畫面；

「移除對象」功能（即將上線）則可以刪除不需要的元素，Flow 自動重建背景保持一致性。這兩個工具的組合能夠讓視頻的編輯過程變得更加靈活。

目前 Veo 3.1 模型已經上線，開發者可以通過 Gemini API 使用，企業用戶可在 Vertex AI 中訪問，普通用戶也可以在 Gemini 應用內體驗。新功能也同步在 Gemini API 和 Vertex AI 中開放。

我們體驗生成了 3 個 Veo 最實用的應用場景。

前些時間爆火的第一視角穿越、ASMR 切水果，金屬、兔子蹦床的夜視監控等視頻，都是使用 Veo 3 生成的。

▲由 Veo 3 生成，提示詞：50mm camera, close-up angle of a lemon made out of yellow-tinted glass being sliced horizontally on a wooden cutting board. The inside of the fruit is glass as well with a little bit of melting glitter. The entire scene is soft lit from the above.

比如這個生成玻璃檸檬的例子。提示詞要求「用黃色玻璃制成的檸檬被水平切開，內部也是玻璃材質，里面有融化的閃粉，頂部柔和照亮」。

Veo 3 的輸出是可用的，但 Veo 3.1 對「融化閃粉」的細節刻畫更精準。

電商場景下，我們直接讓他生成一段產品的廣告。要知道，一般的 TVC（電視商業廣告）也就是在 15s/30s 的時間左右來傳遞品牌信息。

▲由 Sora 2 生成，提示詞：根據以下商品信息，生成一段電商廣告視頻，包含實拍感的產品展示、3D旋轉細節、使用場景對比，以及配套字幕。智能手表 X2，續航7天，￥1299 智能手表，50米防水，健康監測（心電、睡眠）

Sora 2 貼心地用中文語音解說了商品信息，體現了更好的理解。但 Veo 3.1 這邊只是簡單地配了音樂，不如 Sora 2 周到，但從畫面質量來看，Veo 3.1 的視覺呈現更高級、更有商業感。

▲由 Veo 3.1 生成

我們也試了動漫生成，這次 Veo 3.1 的表現就比較一般了。

▲由 Sora 2 生成，提示詞：以吉卜力工作室動畫風格，一個男孩和他的狗跑上一座長滿青草的風景秀麗的山丘，背景遠處可以看到一個村莊，天空中飄著美麗的云朵

顯然 Veo 3.1 在這塊的訓練數據還不夠豐富，距離吉卜力工作室那種精致的動畫風格還是有不少差距。莫名消失的狗，都是 AI 穿幫的典型特征。

▲由 Veo 3.1 生成

X 網友 @aisearchio 分享的威爾·史密斯吃面測試 Demo 整體質感往上抬了一個檔次，動作流暢度、光影細節都明顯改善，表情豐富但也沒有崩掉。

綜合來看，Veo 3.1 在照片級、商業級的內容生成上已經足夠可用，細節理解能力也有明顯進步。但在特定風格的精準還原上——比如動漫、插畫這類需要高度風格約束的領域，還是有相當的優化空間。
盡管如此，從 Veo 3 到 Veo 3.1，從 Sora 到 Sora 2，視頻生成模型的迭代速度已經超過了大多數人的想象。

伴隨著這類 AI 視頻生成工具會從專業工具逐漸演變為大眾應用，屆時，你的朋友圈、短視頻平臺、甚至新聞源中，每一條內容都有可能是 AI 生成的。

這也意味未來你看到的每一條內容，都需要多一步確認——這來自真實拍攝，還是 AI 生成。

作者：莫崇宇

文章內視頻鏈接：https://mp.weixin.qq.com/s/qBOkoWaGF5k7oPCR_H5aqA