谷歌迎战Sora2！谷歌上线视频模型Veo3.1，赢面几何？

【#谷歌迎战Sora2#！#谷歌上线视频模型Veo3.1#，赢面几何？】北京时间10月16日，就在Sora 2发布半个月后，谷歌火速推出了最新视频模型Veo 3.1和Veo 3.1 Fast，正面迎战OpenAI。

在官方推文中，谷歌称“Veo正在进行重大升级”，不过，从国内外各方实测来看，从Veo 3到Veo 3.1，确实如名字一样，只是进行了一次小的迭代，在画质、物理上的提升并不算大，在AI音频、自动分镜等方面都不如Sora 2，但Veo 3.1的光影效果更突出，生成速度更快。

视频生成赛道的竞争越发白热化。就在今年5月，谷歌才发布Veo 3，一度刷屏并占据文生视频模型榜首。不过，本月初发布的Sora 2迅速抢走了风头。

距离上一代模型更新仅5个月后，谷歌拿出了Veo 3.1。有趣的是，北京时间10月16日中午，OpenAI也放出了Sora 2的更新，称普通用户可以生成15秒的视频，专业用户则可以生成长达 25 秒的视频。两大巨头的火药味颇浓。

就模型本身来看，谷歌这次Veo 3.1更新的核心亮点是更丰富的原生音频生成、更强的电影风格理解与叙事控制，以及更逼真的质感还原。

Veo 3.1在多个功能中集成了音频，支持自然对话、音效和环境噪音，在视频画面生成的同时，模型会自动根据画面内容生成环境音、动作声及氛围配乐。此次迭代后，音频质量更逼真，尤其在对话上，过去生成一个科幻短片的音频可能听起来像机器人朗读，而现在，Veo 3.1 能模拟出紧张的背景配乐与人物语言。

今年5月，谷歌正式推出了Flow，一款由Veo驱动的AI电影制作工具。谷歌称，截至目前用户已在Flow中生成了超过2.75亿个视频。而此次迭代也包括Flow里的多个核心功能升级。

业界讨论较多的是首尾帧（Frames to Video）功能，用户提供一段视频起始和结束的两张图像，模型即可生成平滑过渡的画面镜头。即使是看起来毫不相关的两张图，AI也能通过想象力将其合理化。