Veo3.1和Sora2同題競技來了

鷺羽 發自 凹非寺

量子位 | 公眾號 QbitAI

硬剛Sora2，谷歌剛剛發佈新動作——Veo3.1。

時隔五個月的更新，Veo3.1在創意控制方面帶來了更多功能改進：

可以更深入地理解指令，捕捉更為真實的紋理，並增強圖像到視頻的功能。

其中最值得關注的是，和Sora2一樣，這次Veo3.1新增支持音頻生成。

（Sora2：完了，這波真衝我來的……）

同樣都強調音視頻一體化生成，突出物理真實性，追求相同的複雜長視頻，且都是文生+圖生視頻模型。

還有谷歌和OpenAI「恩怨情仇」這層關係在，Sora2和Veo3.1妥妥的天選對家。

不過至於他倆誰更強，還得實測見真章。

電影製作級的創意控制

據官方介紹，Veo3.1的此次更新，主要目標還是為電影製作人、藝術創作者提供更為完整的故事敍事和創意控制。

這也是過去幾個月里他們從Flow得到的經驗之談——短短五個月，Flow共計生成超2.75億個視頻，其中用户集中反映Veo3真實尚可、藝術欠佳。

於是Veo3.1應運而生。

首先是備受矚目的音頻能力，在Veo3基礎之上，將音頻生成引入原有的「成分到視頻」、「幀到視頻」和「擴展」能力中。

• 成分到視頻：用户可以同時使用多個不同人物或物體的參考圖像，來控制角色和畫面風格，並通過Veo3.1將圖像整合在一個帶有完整音頻的場景中。

• 幀到視頻：通過提供首幀和尾幀圖像，Veo3.1將無縫補充中間細節，構建起完整故事內容，非常適用於畫面轉場過渡。

• 場景擴展：基於視頻的最后一秒，延續故事背景生成更長的片段，最長可持續一分鍾或更久，同時保持人物動作一致性，這將有利於帶時長需求的定點鏡頭。

另外，Veo3.1也引入了更為精確的編輯能力。

通過「插入」功能，可以向任意場景添加任意新元素，無論是對細節的打磨還是補充場景豐富度，Veo3.1都能輕松搞定。

同時，Veo3.1還在場景陰影、照明等複雜環境中做了進一步優化，能夠確保元素添加足夠自然。

如果想要刪除一些不需要的對象或字符，通過重建周圍環境，Veo3.1現在也能做到。

目前，Veo3.1已經上線Flow，用户也可以通過Gemini API、Vertex AI和Gemini app搶先體驗。

Sora2和Veo3.1硬碰硬

不過想必大家最關心的還是，Sora2和Veo3.1相比，誰更強？

在兩個模型中使用相同的提示：在堵車時生成一輛飛天汽車。

顯然Veo3.1在畫面真實性上效果更佳，無論是對車輛細節的刻畫，還是車輛運行過程中周圍環境的變化，Veo3.1都處理得更好。

而且在合成音效上，Veo3.1的視頻中也能明顯聽到汽車發動的引擎聲。

再比如説，讓大猩猩和猴子們一起唱英文歌。

Sora2和Veo3.1走得還是兩種截然不同的音樂風格，一個走抒情路線一個西海岸嘻哈。

整體來看，Veo3.1的畫面飽和度更高，有好萊塢動畫的feel，而Sora2不愧於AI版抖音的名號，短視頻音樂主包的味兒很濃。

Sora2中的猴子們都在充當樂手各司其職，而Veo3.1中的猴子更多的是氛圍擔當，畫面后期還出現了一處小bug——樹干上的三隻猴子動作在后期趨向同質化。

不過有一説一，Veo3.1在光線處理上確實yyds。

那麼在動漫風格上，又表現如何呢？

老實説，有種國漫VS日漫的感覺……

Sora2的故事情節更好，表情也相對自然，完成度比Veo3.1更高。

另外，也有網友表示Sora2比Veo3.1更擅長人物的位置關係，想象力也會更加豐富，但是文生視頻上Veo3.1更優。

或許正如網友總結的那樣：二者各有優劣，不能説某一方完全壓倒性勝利，各自有自己所擅長的和待改進的地方。

谷歌強調物理現實世界，Sora優先考慮娛樂性。

那麼你會更傾向於哪一個呢？歡迎在評論區留言討論。

參考鏈接：

[1]https://blog.google/technology/ai/veo-updates-flow/ 

[2]https://x.com/biz_art_fun/status/1978607050017120470

[3]https://x.com/kongmindset/status/1978558207510639066

[4]https://x.com/SSSS_CRYPTOMAN/status/1978596075788534107

（聲明：本文僅代表作者觀點，不代表新浪網立場。）