智東西
作者 陳駿達
編輯 李水青

智東西10月16日報道，今天，谷歌宣布推出全新的Veo 3.1視頻生成模型，新版本提升了畫面真實感與敘事控制能力，同時具備更強大的提示詞理解力和音畫同步生成能力。

依托Veo 3.1的能力，谷歌同步升級了旗下AI影視創作平臺Flow。此次更新最大的變化，是在多項核心功能中首次引入了AI生成音頻，實現“聲畫合一”的創作體驗。

在Flow的素材生視頻（Ingredients to Video）功能里，創作者可以上傳多張參考圖像，系統自動生成包含指定角色與場景風格的完整視頻。首尾幀（frames to Video）功能可根據用戶上傳的畫面，生成自然銜接的過渡鏡頭。視頻延展（Extend）則可以從已有片段延展出新的鏡頭，使短片可銜接成長視頻，持續一分鐘或更長時間。

音頻生成系統會自動根據畫面內容生成環境音、動作聲及氛圍配樂，讓作品更加沉浸和具象。

不過，在生成視頻后，創作者往往有進一步編輯、修改畫面內容的需求。為此，Flow新增了多項編輯工具，讓創作者能更精準地掌控畫面。

現在，創作者可向現有視頻中插入新元素（如人物、動物或道具），AI將自動調整光影與景深，使其自然融入場景。Flow中還即將上線一鍵移除功能，可去除不需要的對象或人物，系統自動重建背景，實現“無痕修復”。

Veo 3.1現已通過Flow、Gemini API、Vertex AI以及Gemini應用向開發者、企業與創作者全面開放，可免費試用。在Flow中，谷歌為買免費用戶每月提供了100個AI點數，大約可用于5條視頻的生成。

體驗鏈接：https://labs.google/fx/zh/tools/flow

智東西第一時間體驗了Veo 3.1的生成效果?？梢钥吹剑琕eo 3.1提供兩個版本，分別為Veo 3.1-Fast（快速版）與Veo 3.1-Quality（高質量）。實測中，快速生成大約需要30秒-1分鐘。

Veo 3.1能夠準確地根據提示詞，還原涉及復雜光影的畫面，表現出良好的光影層次與自然氛圍。畫面整體偏暖且柔和，符合清晨光線的真實色溫。小溪的水流模擬平滑，反光細節恰到好處。其配音也符合畫面內容與提示詞要求。

不過，在“地獄級難度”的體操視頻生成上，Veo 3.1徹底翻車了，輸出的畫面完全不符合人體規律，出現了明顯的扭曲。

我們也嘗試了素材生視頻的功能。在上傳咖啡杯、桌子和人像后，Veo 3.1可以參考提示詞和素材，生成用戶所需的廣告短片。Veo 3.1對廣告畫面和廣告詞的呈現符合提示詞中定義的調性，還賦予了廣告詞一定的旋律。

我們上傳了OpenAI CEO Sam Altman的照片，但生成的畫面中人物的年齡和外貌與他差異較大。這可能與Flow對名人肖像權的保護機制有關：在上傳部分圖像時，系統會提示不支持使用名人肖像。

結語：技術進步可喜，但仍需謹慎應用

從月初的Sora 2到今天的Veo 3.1，視頻生成技術在短短幾周內取得了顯著進展。不過，與Veo 2到Veo 3的飛躍相比，Veo 3到Veo 3.1的提升并沒有那么顯著。

總體而言，Veo 3.1的發布為AI視頻創作提供了更強大的工具，但在實際應用中，創作者可能仍需對其生成的畫面進行調整，以克服當前的局限，實現更高質量的作品。