自从OpenAI在今年早些时候推出其Sora生成式AI视频创作模型以来，鲜有竞争者能够匹敌其真实感和质量，直到现在。
在最近举行的年度I/O开发者大会上，谷歌宣布推出Veo，这是其著名的DeepMind部门开发的全新生成式AI视频模型。
谷歌表示，Veo能够生成“高质量的1080p视频片段，时长超过60秒”。根据DeepMind在其X平台上的一则帖子，Veo可以处理多种电影风格，从照片级真实感和超现实主义到动画。
在产品页面上，谷歌指出，Veo的目标是“让每个人都能轻松制作视频”，无论用户是经验丰富的电影制作人、渴望创作的创作者，还是教育工作者。Veo支持文本到视频、视频到视频以及图像到视频的转换。
谷歌与全才艺术家唐纳德·格洛弗（Donald Glover），也就是Childish Gambino，合作，通过他的创意工作室Gilga测试Veo的新功能。
DeepMind展示了Veo的强大能力，通过其YouTube和X账号发布了多段生成的视频，内容包括霓虹城市、栩栩如生的水母、骑马的牛仔、探索宇宙的宇宙飞船以及人类互动。这些结果与实际拍摄和精心制作的动画高度相似，均源于简单的文本提示。
在谷歌副总裁艾利·柯林斯（Eli Collins）和高级研究总监道格拉斯·埃克（Douglas Eck）的博客中，Veo被强调为具有“前所未有的创作控制能力”，对“延时摄影”和“空中镜头”等电影术语有着深刻的理解。
此外，Veo还可以快速高效地编辑AI生成和用户上传的视频，包括预先录制的素材。例如，用户可以输入一条编辑命令，如在航拍海岸线画面中添加皮划艇，Veo能将其无缝地融入原视频中。
Veo在保持视频帧一致性方面表现出色，解决了一些其他模型（包括Sora）常见的不一致性问题。它通过先进的潜在扩散变换器，确保角色和物体的连贯性和真实感。
为了提升性能，谷歌改善了训练数据的字幕，并采用了高质量的压缩视频表示。这种优化提高了整体视频质量，并减少了生成时间。所有由Veo生成的视频都嵌入了SynthID，这是谷歌的内容认证水印，确认其为AI生成作品。
Veo代表了DeepMind多年研究的结晶，基于过去的创新技术，如生成查询网络（GQN）、DVD-GAN、Imagen-Video、Phenaki、WALT、VideoPoet和Lumiere。
目前，Veo尚未公开发布。遵循OpenAI的Sora模型，它通过VideoFX的私人预览向部分创作者开放。谷歌计划最终将Veo的一些功能整合到YouTube Shorts和其他产品中。
排行榜
