智東西（公眾號(hào)：zhidxcom）
作者 | 陳駿達(dá)
編輯 | 李水青
智東西10月16日?qǐng)?bào)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(shí)感與敘事控制能力，同時(shí)具備更強(qiáng)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(jí)了旗下AI影視創(chuàng)作平臺(tái)Flow。此次更新最大的變化，是在多項(xiàng)核心功能中首次引入了AI生成音頻，實(shí)現(xiàn)“聲畫合一”的創(chuàng)作體驗(yàn)。
在Flow的素材生視頻（Ingredients to Video）功能里，創(chuàng)作者可以上傳多張參考圖像，系統(tǒng)自動(dòng)生成包含指定角色與場(chǎng)景風(fēng)格的完整視頻。首尾幀（Frames to Video）功能可根據(jù)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(xù)一分鐘或更長時(shí)間。
音頻生成系統(tǒng)會(huì)自動(dòng)根據(jù)畫面內(nèi)容生成環(huán)境音、動(dòng)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(chuàng)作者往往有進(jìn)一步編輯、修改畫面內(nèi)容的需求。為此，F(xiàn)low新增了多項(xiàng)編輯工具，讓創(chuàng)作者能更精準(zhǔn)地掌控畫面。
現(xiàn)在，創(chuàng)作者可向現(xiàn)有視頻中插入新元素（如人物、動(dòng)物或道具），AI將自動(dòng)調(diào)整光影與景深，使其自然融入場(chǎng)景。Flow中還即將上線一鍵移除功能，可去除不需要的對(duì)象或人物，系統(tǒng)自動(dòng)重建背景，實(shí)現(xiàn)“無痕修復(fù)”。
Veo 3.1現(xiàn)已通過Flow、Gemini API、Vertex AI以及Gemini應(yīng)用向開發(fā)者、企業(yè)與創(chuàng)作者全面開放，可免費(fèi)試用。在Flow中，谷歌為買免費(fèi)用戶每月提供了100個(gè)AI點(diǎn)數(shù)，大約可用于5條視頻的生成。
體驗(yàn)鏈接：https://labs.google/fx/zh/tools/flow
智東西第一時(shí)間體驗(yàn)了Veo 3.1的生成效果?？梢钥吹?，Veo 3.1提供兩個(gè)版本，分別為Veo 3.1-Fast（快速版）與Veo 3.1-Quality（高質(zhì)量）。實(shí)測(cè)中，快速生成大約需要30秒-1分鐘。
Veo 3.1能夠準(zhǔn)確地根據(jù)提示詞，還原涉及復(fù)雜光影的畫面，表現(xiàn)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(shí)色溫。小溪的水流模擬平滑，反光細(xì)節(jié)恰到好處。其配音也符合畫面內(nèi)容與提示詞要求。
不過，在“地獄級(jí)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(guī)律，出現(xiàn)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(duì)廣告畫面和廣告詞的呈現(xiàn)符合提示詞中定義的調(diào)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(duì)名人肖像權(quán)的保護(hù)機(jī)制有關(guān)：在上傳部分圖像時(shí)，系統(tǒng)會(huì)提示不支持使用名人肖像。
結(jié)語：技術(shù)進(jìn)步可喜，但仍需謹(jǐn)慎應(yīng)用
從月初的Sora 2到今天的Veo 3.1，視頻生成技術(shù)在短短幾周內(nèi)取得了顯著進(jìn)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(fā)布為AI視頻創(chuàng)作提供了更強(qiáng)大的工具，但在實(shí)際應(yīng)用中，創(chuàng)作者可能仍需對(duì)其生成的畫面進(jìn)行調(diào)整，以克服當(dāng)前的局限，實(shí)現(xiàn)更高質(zhì)量的作品。
