Google通过发布Veo 3，将AI视频生成技术推向了全新高度。这一突破性模型首次为AI生成视频赋予了音频能力。
Veo 3于2025年5月的Google I/O大会上正式亮相，相较于此前的AI视频生成器，Veo 3实现了质的飞跃：它能够在生成的视频片段中直接同步对白、环境音和背景音乐。Google DeepMind首席执行官Demis Hassabis在发布会上表示：“我们首次走出了AI视频生成的无声时代。”
该技术擅长生成物理效果逼真、口型精准同步、动作自然流畅的视频。用户只需提供文本描述或图片参考，AI便会自动为视觉内容匹配合适的音频元素。这一能力使Veo 3在与OpenAI的Sora等竞争产品的对比中脱颖而出——后者目前尚不具备原生音频生成能力。
除了Veo 3，Google还为其广受欢迎的Veo 2模型带来了多项强大新功能，包括基于参考的角色与物体一致性、支持电影级运动的高级摄像机控制、画面扩展（outpainting）以突破原始边界，以及智能对象添加和移除。
为展示这些工具的创意潜力，Google还推出了全新的AI影视创作平台Flow，将Veo、Imagen和Gemini模型集于一体。已有多位电影人利用该技术创作出专业级短片，包括Henry Daubrez的情感科幻故事《Kitsune》和Junie Lau关于身份探索的《Dear Stranger》。
目前，Veo 3已通过Gemini应用向美国地区每月249.99美元的AI Ultra订阅用户开放，企业用户则可通过Google的Vertex AI平台使用。该技术还集成了SynthID水印功能，以便识别AI生成内容，应对深度伪造和虚假信息等问题。