谷歌发布 Veo 2 预览版与 Imagen 3 更新 视频与图像生成能力再升级

近日，谷歌在生成式人工智能领域再度发力，周一正式宣布推出 Veo 2 预览版，并对其文本生成图像模型 Imagen 3 进行了重要升级。

Veo 2 是谷歌最新的视频生成模型，标志着其在 AI 视频技术上的重大进步。据谷歌介绍，Veo 2 能够 理解电影摄影语言，这意味着用户可以在提示中引用特定类型的电影风格、镜头效果或电影叙事语言，从而生成更具专业感的视频内容。

此外，Veo 2 对 现实世界的物理规则和人体运动 也有了更深入的理解，显著改善了生成运动中人体的建模效果——这是许多生成式模型难以克服的技术难题。谷歌表示，Veo 2 在解决“多余手指”等常见伪影问题上表现更为出色，生成内容的质量和真实性均有所提升。

目前，Veo 2 正逐步向美国的 Google Labs 用户 开放测试，测试阶段的生成能力为 720p 分辨率、最多 8 秒的视频素材。相比之下，OpenAI 的 Sora 可以生成最长 20 秒、1080p 分辨率的视频，但需要每月 200 美元的 ChatGPT Pro 订阅服务。

与此同时，谷歌对其文本生成图像模型 Imagen 3 进行了显著优化。新版 Imagen 3 在以下几个方面表现更优：图像质量提升：生成的图像更加明亮，构图更为精致。艺术风格丰富：能够更准确地渲染多样化的艺术风格，满足不同创作需求。提示忠实度提高：更精准地遵循用户提示，减少理解偏差，生成结果更贴合需求。

这些增强功能现已通过 ImageFX 提供给全球 100 多个国家 的 Google Labs 用户，为创作者提供了更强大的文本到图像生成工具。