正如前几天网上泄露与传闻所预料的那样，深夜，Google发布了最新的AI视频生成模型Veo 3.1。

Veo 3.1带来了更丰富的音频、叙事控制，以及更逼真的质感还原。在Veo 3的基础上，Veo 3.1进一步提升了提示词遵循度，并在以图生视频时提供更高的视听质量。

随着新模型的发布，由其驱动的AI电影创作工具Flow也迎来了更新，可以帮助你更精细地编辑视频片段，对最终场景实现更颗粒化的控制。并且，谷歌首次将音频引入到现有能力中，例如“素材生成视频（Ingredients to Video）”“连帧成片（Frames to Video）”以及“延展（Extend）”。

更强的叙事与音频控制

Veo 3.1在其前代版本Veo 3（于2025年5月发布）的基础上进行了升级，增强了对对话、环境音效以及其他音频效果的支持。

如今，在Flow的多个核心功能中，包括连帧成片、素材生成视频和延展，均已支持原生音频生成。这些功能允许用户：

1. 将静态图像转换为视频；
2. 将多张图像中的人物、物体或元素整合进同一视频中；
3. 生成比原始8秒更长的视频片段，可延展至30秒甚至1分钟以上，并从上一段的最后一帧自然衔接延续。

在此之前，用户必须在使用这些功能后手动添加音频。

如今，原生音频的引入让用户能更好地掌控视频的情绪、节奏与叙事基调，这些以往只能通过后期制作实现的能力，现在可以直接在生成阶段完成。

在企业场景中，这种更高层次的控制有望减少独立音频制作流程的需求，提供一种音画同步的集成式创作方式，便于制作培训内容、营销视频或数字体验作品。

更丰富的输入与编辑能力

借助Veo 3.1，谷歌引入了对多种输入类型的支持，并提供了对生成结果更精细的控制。该模型可接受文本提示、图像以及视频片段作为输入，并进一步支持：

1. 参考图像（最多三张），用于引导最终输出画面中的外观与风格；
2. 首帧与末帧插值，可在固定的起止画面之间生成平滑衔接的过渡场景；
3. 场景延展，可让视频的动作或运动超出原本时长继续发展。

此外，谷歌还引入了如插入（Insert）（向场景中添加物体）和移除（Remove）（删除元素或角色）等新功能，但并非所有功能目前都能通过Gemini API即时使用。

多平台部署

Veo 3.1可通过谷歌旗下多项现有AI服务访问：

1. Flow：谷歌自家的AI辅助电影创作平台；
2. Gemini API：面向希望在应用中集成视频生成功能的开发者；
3. Vertex AI：企业级集成平台，后续将支持Veo的“场景延展”等核心功能。

价格与访问方式

Veo 3.1模型目前处于预览阶段，仅在Gemini API的付费层级中可用。其收费结构与上一代AI视频模型Veo 3保持一致：

1. 标准模型（Standard model）：每秒视频0.40美元
2. 快速模型（Fast model）：每秒视频0.15美元

目前尚无免费层级，且仅在视频成功生成后才会计费。这种计费方式与此前的Veo系列保持一致，为注重成本管理的企业团队提供了可预测的预算模式。

技术规格与输出控制

Veo 3.1支持输出720p或1080p分辨率的视频，帧率为24帧/秒（fps）。

1. 在使用文本提示或上传图像生成视频时，时长可选4秒、6秒或8秒；
2. 若使用Extend功能，视频最长可扩展至148秒（超过两分半）。

新功能还带来了对主体与环境的更精确控制。

例如，企业用户可以上传一张产品图片或视觉参考，Veo 3.1将在整个视频中生成保持其外观特征与风格一致性的场景。

这一能力有助于简化创意生产流程，特别适用于零售、广告以及虚拟内容制作等需要品牌一致性和视觉延续性的团队。

延伸阅读：Grok 4来袭　性能压倒Google、OpenAI？唯高月租及火爆言论成焦点（点击连结看全文）

【本文转自“机器之心”，微信公众号：almosthuman2014】