在今年的Google I/O开发者大会上，谷歌正式发布了新一代的视频生成技术——Veo 3模型。
据了解，Veo 3旨在与OpenAI的Sora竞争，具备在生成视频的同时同步嵌入音效的创新能力。
谷歌表示，该模型不仅能够根据文本描述和图片提示，生成高分辨率、多样化的视频内容，还能为不同场景如人物对白、鸟鸣声或街头交通等，智能匹配相应的音频，增强沉浸式视听体验。
谷歌DeepMind部门的副总裁Eli Collins指出：Veo 3在从文本和图像输入到逼真场景的物理效果展示，以及精准同步唇形方面，都表现得极为优异。
目前，此模型主要面向美国地区的Gemini Ultra订阅用户，每月需支付249.99美元的使用费用。
此外，Veo 3也将被集成进谷歌面向企业的Vertex AI平台，为客户提供专业的AI视频生成解决方案。
除Veo 3外，谷歌还推出了多款与生成式人工智能相关的新产品，包括升级版的图像生成模型Imagen 4以及电影制作辅助工具Flow。
同时，谷歌宣布对原有的Veo 2模型进行优化升级，新增支持通过文字指令对视频中物体进行增删的功能，实现更灵活的内容调整。
随着生成式AI在图像及视频创作领域的应用不断扩大，其行业影响逐渐显现。
然而值得关注的是，谷歌在AI图像生成技术的研发历程并非一路平坦。
2024年，由于Imagen 3模型在生成的部分图像中出现历史错误，此前版本曾引发广泛质疑，不得不暂停使用并重新发布修正后的版本。
谷歌联合创始人Sergey Brin也曾坦言，问题的根源在于测试环节的不足，未能充分验证模型的输出质量。
