正面对决 Sora 2：谷歌 Veo 3.1 带来令人惊喜的全新升级

北京时间10月16日，谷歌正式在Gemini API中发布了Veo 3.1及其付费预览版Veo 3.1 Fast，一经亮相便引发了科技界的热烈关注。与OpenAI近期推出的Sora 2相似，Veo 3.1同样带来了令人兴奋的新功能——音频整合，这标志着AI生成视频在逼真度上又迈出了重要一步。 与前代产品相比，Veo 3.1的升级主要集中在三大方面。首先，AI生成视频终于从“无声时代”走向了“有声电影”。Veo 3.1能够实现画面与声音的完美同步，不仅能精准匹配声画节奏，还能根据画面内容选择合适的背景音乐，提升情感氛围。其次，Veo 3.1支持自定义视频的开场与收尾画面，让短视频之间的衔接更自然，也使创作者能更好地掌控视频整体节奏。更值得一提的是，它甚至可以让每一个新视频从上一个视频的最后一帧继续生成，从而以连续拼接的方式实现“AI长视频”的效果。第三，Veo 3.1新增了“三图定人设”功能，只需提供三张图片——人物头像、服装参考图和场景设定图，AI就能自动生成一致的人物形象，并让角色自然地说出台词。总的来说，Veo 3.1展现了谷歌在提升AI视频“电影质感”方面的持续努力——重点优化视觉稳定性、叙事连贯性与音画一致性。 目前，用户可通过谷歌Gemini应用或Flow平台免费试用Veo 3.1（名额有限）。值得注意的是，多家中国AI视频平台如Imagine.art、Fal-ai和Lovart也迅速接入了该模型。我们在Lovart上对Veo 3.1进行了实际测试，获得了不少有趣的发现。 当输入提示词“纽约街头下着雨，突然一道闪电伴随雷声而来”时，Veo 3.1成功实现了闪电与雷声的同步，甚至能听出汽车驶过水坑时由远及近的声效变化，细节表现令人惊喜。不过，生成视频的时长仅约6秒，明显短于Sora 2可生成的10至20秒，略显不足。与此同时，视频中的动态元素主要集中在汽车、雨滴与闪电上，行人与树木依然静止，AI痕迹较为明显。 接下来，我们测试了Veo 3.1的画面衔接能力。通过设定两张图片作为视频的首帧与尾帧（内容为一只虎斑猫跳上办公桌），Veo生成的画面整体较为流畅，但中途竟出现“第二只猫”，略显突兀。不过，将两段生成视频拼接后，画面之间依然保持一定的连贯性，显示出Veo在场景衔接方面的潜力。 最后，我们尝试用三张图片生成一位女性角色（头像、服装、场景）。虽然设想令人期待，但结果人物建模感强烈，表情僵硬，服装与背景也未能准确匹配参考图，是所有测试中表现最差的一项。整体而言，Veo 3.1在音画同步和画面稳定性上确实有进步，但在人物塑造上仍显不足。 尽管如此，谷歌依旧信心十足。其官网声称，Veo 3.1在视觉质量、画面对齐度等方面全面超越Sora 2 Pro、海螺2.0、Seedance 1.0 Pro及Renway Gen 3等竞争对手。值得玩味的是，谷歌还“暗戳戳”指出对比中未包含Sora 2 Pro，是因为后者不支持人像生成。 然而，AI领域的专家并不完全认同。Otherside AI创始人Matt Shumer直言对Veo 3.1“略感失望”，认为其表现不如Sora 2，价格却高出许多，尤其是在Sora 2仍可免费使用的情况下。3D数字艺术家Travis David也指出，Veo 3.1依旧未突破“8秒时长限制”，且无法自定义音频，让创作者颇为遗憾。还有不少用户抱怨，期待已久的“自动分镜”功能依然缺席。 从定价上看，谷歌的策略也逐渐清晰。虽然Veo 3.1的价格与Veo 3相同，但仍属于市场上最昂贵的AI视频模型之一，仅次于Sora 2 Pro。其“快版”Veo 3.1 Fast能以更低成本、更快速度生成视频——无音频版本每秒0.15美元，含音频版本每秒0.40美元。谷歌也在价格说明中补充，若因音频处理问题导致生成失败，将不收取费用，暗示模型仍存在一定的不稳定性。 相较于更注重社交娱乐属性的Sora 2，Veo 3.1的定位显然更专业化。谷歌展示的应用案例也印证了这一点：GenAI电影工作室Promise Studios已在其MUSE平台中使用Veo 3.1提升AI视频的叙事与制作品质，AI创作公司Latitude则利用Veo 3.1测试即时生成用户故事的可行性。 总体来看，Veo 3.1正努力推动AI视频创作的专业化进程，提升音画同步、场景衔接与故事叙述能力。然而，从整体表现来看，经过五个月的打磨，谷歌Veo的进步似乎也仅仅迈出了“0.1步”。