在2025年谷歌I/O开发者大会上，新一代视频生成模型Veo3正式亮相，首次实现背景音效与画面的AI同步生成。该模型不仅能根据文本提示合成动态场景，还能为鸟鸣、交通等环境音效匹配画面，甚至生成人物对话时的精准口型动作。相较于前代产品，Veo3在物理模拟和口型同步技术上取得显著突破，其生成的1080P高清视频时长可达60秒以上，并能理解“航拍”“延时摄影”等专业影视术语。
目前，Veo3已面向美国地区的Gemini Ultra订阅用户及Vertex AI企业客户开放，并集成至谷歌影视制作平台Flow中。借助Flow工具，创作者可上传人物、场景图片作为参考，通过镜头控制功能实现画面旋转、缩放及横竖屏切换，甚至动态增减视频元素。与此同时，前代Veo2的基础功能仍向所有用户开放，保留了图像参考和镜头调整等创作自由。
针对日益严峻的AI内容识别难题，谷歌同步推出了SynthID Detector检测工具。用户上传文件即可识别是否包含加密水印，该技术已应用于部分生成模型，但尚未实现全平台覆盖。随着Veo3的推出，谷歌在AI视频生成领域的技术优势进一步扩大，其与Runway、OpenAI等企业的竞争也步入新阶段。
原创文章，作者：Google，如若转载，请注明出处：https://www.kejixun.com/article/719958.html
