谷歌新款 AI 模型 Veo3: 同时生成视频与音频 开启视听一体化时代

数码 I 渝码科技

在 2025 年谷歌I/O大会上，谷歌推出了其最新视频生成 AI 模型-Veo3，这款模型最大的亮点是能够同时生成视频与音频。

谷歌DeepMind 首席执行官Demis Hassabis 将其称为“我们首次走出视频生成的无声时代”，Veo3的出现为视频创作带来了全新的可能性。

1、技术突破与创新

Veo3的音频生成是其核心竞争力之一。

全新模型能够同时生成高质量视频和匹配的音频内容，包括背景音效、音效、音乐以及画面精准对口型的同步对话，标志着 AI 视频生成技术进入“视听一体化”时代。

该模型的音频生成技术基于谷歌早期的Video-to-Audio（V2A）技术，采用基于扩散的方法，从随机噪声开始，经过多次迭代，最终生成与屏幕动作完美对齐的真实音频。

Veo3 能够理解视频中的原始元素，并自动将生成的声音与视觉内容同步，创作出无缝的视听体验。

除了音频生成，Veo3在视觉质量和物理模拟方面也比前代产品有了显著提升；它能够更好地理解真实世界的物理规则，从而生成更加逼真的视频内容。

此外，Veo3 在唇形同步方面表现出色，能够准确地将生成的对话与角色的嘴部动作相匹配，解决了AI视频生成中将语音与面部动作同步这一极具挑战性的难题。

2、应用场景与潜力

Veo3的出现为电影制作人、内容创作者以及广告商等带来了巨大的便利和全新的创作思路。

创作者现在可以使用自然语言提示，指定希望与视频内容一同生成的音频类型。

例如，他们可以描述一个场景，要求生成与之匹配的背景音乐、环境音效以及角色对话，Veo3能够根据这些提示生成相应的视频和音频内容。

这大大简化了视频创作的流程，降低了创作成本，提高了创作效率。

在广告领域，Veo3可以帮助广告商快速生成各种广告视频，根据不同的产品和目标受众，生成具有吸引力的视觉和音频内容，从而提高广告的效果。

此外，Veo3还可以应用于教育、娱乐、游戏等多个领域，为这些行业带来更加丰富和生动的内容体验。

总而言之，谷歌的Veo3模型以其同步生成视频和音频的能力，为AI内容创作领域带来了重大突破。它不仅提高了视频生成的质量和逼真度，还为创作者提供了更加便捷和高效的创作工具。