2025年5月20日，在一年一度的I/O开发者大会上，谷歌正式发布了Veo 3和Imagen 4，显著提升了其AI媒体生成能力。
Veo 3是谷歌最新的视频生成模型，首次引入了音频生成功能，实现了重大突破。该模型不仅能生成带有同步背景音效（如交通噪音、鸟鸣等）的视频，还能生成角色之间的对话，并实现精准的唇形同步。Veo 3对现实物理和人物表情的理解也有显著提升，输出的视频更加真实细腻。
与Veo 3一同亮相的还有Imagen 4，这是谷歌迄今为止最先进的图像生成模型。Imagen 4擅长渲染复杂细节，如精致的织物、水珠和动物毛发，画面清晰度极高。该模型支持多种画幅比例，最高可生成2K分辨率的图像，适用于打印和展示。谷歌还计划推出Imagen 4的“极速版”，其生成速度将比前代快10倍，专为快速原型设计和创意流程优化。
这些强大的AI模型共同构建了谷歌全新的AI电影创作工具Flow的核心。Flow集成了Veo、Imagen和Gemini的能力，帮助故事创作者生成电影级片段和场景。该工具提供了Camera Controls（精准镜头控制）、SceneBuilder（无缝扩展镜头）和Asset Management（创意元素管理）等功能，支持角色和场景在多个片段中的一致性，极大提升了叙事连贯性和创作效率。
目前，Veo 3已向美国地区的Google AI Ultra订阅用户开放，月费为249.99美元。Imagen 4则可通过Gemini应用、Whisk、Vertex AI及多款Google Workspace应用访问。所有由这些模型生成的内容均内嵌SynthID水印，以确保透明度并打击虚假信息。
这些技术进步彰显了谷歌不断拓展AI能力、服务更多用户的承诺。谷歌还宣布，Gemini应用的月活跃用户已超过4亿，显示出其AI技术的快速普及和广泛应用。