谷歌今日正式發(fā)布新一代視頻生成模型Veo 3.1，在畫(huà)面真實(shí)度、敘事控制及多模態(tài)生成能力方面實(shí)現(xiàn)突破。該模型同步賦能旗下AI影視創(chuàng)作平臺(tái)Flow，新增音頻生成功能，支持從文本到"聲畫(huà)合一"的完整創(chuàng)作流程。

Flow平臺(tái)此次升級(jí)聚焦三大核心功能：素材生視頻（Ingredients to Video）支持多圖參考生成定制化視頻，首尾幀（frames to Video）可自動(dòng)生成過(guò)渡鏡頭，視頻延展（Extend）功能則能將短片擴(kuò)展至分鐘級(jí)長(zhǎng)視頻。最引人注目的是AI音頻生成系統(tǒng)的加入，該系統(tǒng)可根據(jù)畫(huà)面內(nèi)容自動(dòng)匹配環(huán)境音、動(dòng)作音效及氛圍配樂(lè)，實(shí)現(xiàn)真正的多媒體創(chuàng)作。

針對(duì)后期編輯需求，F(xiàn)low新增智能元素插入工具，可自然融入人物、動(dòng)物等新元素并自動(dòng)調(diào)整光影效果。即將上線的一鍵移除功能支持無(wú)痕刪除對(duì)象，系統(tǒng)會(huì)自動(dòng)重建背景畫(huà)面。這些工具使創(chuàng)作者能更精準(zhǔn)地控制最終效果。

技術(shù)測(cè)試顯示，Veo 3.1在復(fù)雜光影場(chǎng)景中表現(xiàn)突出，能準(zhǔn)確還原清晨光線的暖色調(diào)與自然氛圍。實(shí)測(cè)生成的小溪畫(huà)面水流平滑，反光細(xì)節(jié)處理得當(dāng)，配音與畫(huà)面內(nèi)容高度契合。模型提供快速版（30秒-1分鐘生成）和高質(zhì)量版兩種模式，滿(mǎn)足不同創(chuàng)作需求。

但在高難度動(dòng)態(tài)場(chǎng)景測(cè)試中，模型暴露出明顯局限。當(dāng)嘗試生成體操動(dòng)作視頻時(shí)，輸出畫(huà)面出現(xiàn)嚴(yán)重扭曲，無(wú)法準(zhǔn)確呈現(xiàn)人體結(jié)構(gòu)。名人肖像測(cè)試也顯示保護(hù)機(jī)制生效，上傳OpenAI CEO照片生成的畫(huà)面存在顯著差異，系統(tǒng)提示不支持使用特定人物形象。

目前Veo 3.1已通過(guò)Flow平臺(tái)、Gemini API、Vertex AI及Gemini應(yīng)用全面開(kāi)放，免費(fèi)用戶(hù)每月可獲100個(gè)AI點(diǎn)數(shù)，約可生成5條視頻。廣告短片測(cè)試表明，模型能根據(jù)咖啡杯、人像等素材生成符合品牌調(diào)性的商業(yè)內(nèi)容，廣告詞呈現(xiàn)效果達(dá)到預(yù)期要求。