谷歌最强视频生成 AI 模型 Veo3 亮相：制作背景音、人物对话都不在话下

5 月 21 日消息，在今年的 I/O 开发者大会上，谷歌发布新一代视频生成模型 Veo3，这也是其首个可生成视频背景音效的模型。它不仅能合成画面，还能为鸟鸣或街头交通等场景配上相应的音效，甚至还可生成人物对话。

谷歌称，Veo 3 在物理模拟与口型同步方面也表现优异。目前，该模型仅面向美国地区的 Gemini Ultra 用户，以及 Vertex AI 的企业用户开放，也已集成进谷歌的 AI 影视制作工具 Flow 中。

用户仍可为 Veo 2 提供人物、风格、场景或物体的图像参考，并通过 Flow 使用镜头控制功能进行旋转、缩放，甚至将画面从竖屏调整为横屏，或在视频中添加、删除元素。

当前用户越来越难以辨别 AI 生成内容，谷歌为此推出了 SynthID Detector。用户可上传媒体文件以检测其是否包含 SynthID 水印，这是谷歌用于识别 AI 作品的标记工具。不过，目前并非所有图像生成模型都支持这一水印。

谷歌 I/O 开发者大会仍在进行，将保持关注。

2025 谷歌 I/O 开发者大会专题