谷歌发布第三代 Veo 3 视频生成系统，实现音画协同生成

谷歌在 2025 年 I/O 大会推出第三代视频生成系统 Veo 3，通过 V2A 模块实现视觉听觉模态协同生成，其事件推理模块支持复合指令的分层解码处理。该系统现阶段主要面向影视创作领域，通过 8 秒片段拼接技术构建完整叙事单元。

谷歌 DeepMind 正式向全球开发者及订阅用户开放新一代视频生成模型 Veo2，支持文本或图像输入生成 8 秒 720P 影视级动态内容。该模型在跨模态指令解析、物理引擎仿真及用户偏好度等关键指标上超越主流竞品。

谷歌旗下 Veo 2 视频生成模型公布 0.5 美元 / 秒计费标准，影视级短视频创作成本较传统模式锐减。OpenAI Sora 以订阅制入局，生成式视频领域现商业模式分野。

谷歌推出了Veo 2视频生成模型和Imagen 3图像生成模型，均达到了当前领域的最先进水平，为创作者提供了更高质量的创作体验。Veo 2的4K视频生成和精准艺术控制，以及Imagen 3在图像创作上的突破，标志着谷歌在AI创作工具领域的领导地位进一步巩固。

ouTube在纽约举办的“Made On YouTube”活动中宣布，将谷歌DeepMind的AI视频生成模型Veo集成到Shorts中，帮助创作者生成高质量视频背景与短片段。此外，还推出了一系列增强互动的功能，旨在提升创作者与粉丝的互动体验。

谷歌最近宣布推出Veo模型，一种新型AI视频生成工具，目前仍处于内部测试阶段。Veo模型结合视觉语义和自然语言理解，可生成超过一分钟的1080p视频，超越现有技术限制，为视频创作提供全新可能。