正面對決 Sora 2：谷歌 Veo 3.1 帶來令人驚喜的全新升級

北京時間10月16日，谷歌正式在Gemini API中釋出了Veo 3.1及其付費預覽版Veo 3.1 Fast，一經亮相便引發了科技界的熱烈關注。與OpenAI近期推出的Sora 2相似，Veo 3.1同樣帶來了令人興奮的新功能——音訊整合，這標誌著AI生成影片在逼真度上又邁出了重要一步。 與前代產品相比，Veo 3.1的升級主要集中在三大方面。首先，AI生成影片終於從“無聲時代”走向了“有聲電影”。Veo 3.1能夠實現畫面與聲音的完美同步，不僅能精準匹配聲畫節奏，還能根據畫面內容選擇合適的背景音樂，提升情感氛圍。其次，Veo 3.1支援自定義影片的開場與收尾畫面，讓短影片之間的銜接更自然，也使創作者能更好地掌控影片整體節奏。更值得一提的是，它甚至可以讓每一個新影片從上一個影片的最後一幀繼續生成，從而以連續拼接的方式實現“AI長影片”的效果。第三，Veo 3.1新增了“三圖定人設”功能，只需提供三張圖片——人物頭像、服裝參考圖和場景設定圖，AI就能自動生成一致的人物形象，並讓角色自然地說出臺詞。總的來說，Veo 3.1展現了谷歌在提升AI影片“電影質感”方面的持續努力——重點最佳化視覺穩定性、敘事連貫性與音畫一致性。 目前，使用者可通過谷歌Gemini應用或Flow平臺免費試用Veo 3.1（名額有限）。值得注意的是，多家中國AI影片平臺如Imagine.art、Fal-ai和Lovart也迅速接入了該模型。我們在Lovart上對Veo 3.1進行了實際測試，獲得了不少有趣的發現。 當輸入提示詞“紐約街頭下著雨，突然一道閃電伴隨雷聲而來”時，Veo 3.1成功實現了閃電與雷聲的同步，甚至能聽出汽車駛過水坑時由遠及近的聲效變化，細節表現令人驚喜。不過，生成影片的時長僅約6秒，明顯短於Sora 2可生成的10至20秒，略顯不足。與此同時，影片中的動態元素主要集中在汽車、雨滴與閃電上，行人與樹木依然靜止，AI痕跡較為明顯。 接下來，我們測試了Veo 3.1的畫面銜接能力。通過設定兩張圖片作為影片的首幀與尾幀（內容為一隻虎斑貓跳上辦公桌），Veo生成的畫面整體較為流暢，但中途竟出現“第二隻貓”，略顯突兀。不過，將兩段生成影片拼接後，畫面之間依然保持一定的連貫性，顯示出Veo在場景銜接方面的潛力。 最後，我們嘗試用三張圖片生成一位女性角色（頭像、服裝、場景）。雖然設想令人期待，但結果人物建模感強烈，表情僵硬，服裝與背景也未能準確匹配參考圖，是所有測試中表現最差的一項。整體而言，Veo 3.1在音畫同步和畫面穩定性上確實有進步，但在人物塑造上仍顯不足。 儘管如此，谷歌依舊信心十足。其官網聲稱，Veo 3.1在視覺質量、畫面對齊度等方面全面超越Sora 2 Pro、海螺2.0、Seedance 1.0 Pro及Renway Gen 3等競爭對手。值得玩味的是，谷歌還“暗戳戳”指出對比中未包含Sora 2 Pro，是因為後者不支援人像生成。 然而，AI領域的專家並不完全認同。Otherside AI創始人Matt Shumer直言對Veo 3.1“略感失望”，認為其表現不如Sora 2，價格卻高出許多，尤其是在Sora 2仍可免費使用的情況下。3D數字藝術家Travis David也指出，Veo 3.1依舊未突破“8秒時長限制”，且無法自定義音訊，讓創作者頗為遺憾。還有不少使用者抱怨，期待已久的“自動分鏡”功能依然缺席。 從定價上看，谷歌的策略也逐漸清晰。雖然Veo 3.1的價格與Veo 3相同，但仍屬於市場上最昂貴的AI影片模型之一，僅次於Sora 2 Pro。其“快版”Veo 3.1 Fast能以更低成本、更快速度生成影片——無音訊版本每秒0.15美元，含音訊版本每秒0.40美元。谷歌也在價格說明中補充，若因音訊處理問題導致生成失敗，將不收取費用，暗示模型仍存在一定的不穩定性。 相較於更注重社交娛樂屬性的Sora 2，Veo 3.1的定位顯然更專業化。谷歌展示的應用案例也印證了這一點：GenAI電影工作室Promise Studios已在其MUSE平臺中使用Veo 3.1提升AI影片的敘事與製作品質，AI創作公司Latitude則利用Veo 3.1測試即時生成使用者故事的可行性。 總體來看，Veo 3.1正努力推動AI影片創作的專業化程序，提升音畫同步、場景銜接與故事敘述能力。然而，從整體表現來看，經過五個月的打磨，谷歌Veo的進步似乎也僅僅邁出了“0.1步”。