此次，Veo 3.1 主打进一步优化 AI 视频在视听观感上的体验。同时，谷歌也是在 AI 视频生成片段时间较短的前提下，寻找能够实现「AI 长视频叙事」的解法。
栏目作者召集
极客公园的新栏目「AI 上新」，将带大家体验最新的 AI 应用和硬件，让你成为 AI 时代「最靓的仔」！
现在，我们也向所有喜欢尝鲜和体验 AI 的同学发出召集，只要你发现并体验了新的 AI 应用或者功能，按照格式（参考案例：）向栏目投稿，在极客公园公众号发布，不仅能获得相应稿费，且会为你「报销」AI 应用的订阅费用。
同时，优秀作者还有机会进入极客公园 AI 体验群，获得最新 AI 应用和工具的内测资格，参加极客公园专属相关 AI 活动，和 AI 应用创始人一对一沟通。
AGI 太久，只争朝夕，让一部分人先 AI 起来吧！投稿、进群请扫描下方二维码添加极客小助手微信
01
亲测 Veo 3.1 三大功能，
五个月谷歌往前走了「0.1 步」
目前，普通用户可在 Gemini 应用程序和 Flow 免费使用，不过使用机会有限。我们发现不少国内 AI 视频生成平台闪现秒跟。不到一天时间，Imagine.art、Fal-ai 以及 Lovart 均表示支持 Veo 3.1 模型调用。我们此次也在 Lovart 上对 Veo 3.1 进行了快速体验。
首先测试了 Veo 3.1 生成的 AI 视频是否能够在音画统一上达成一致。第一次，我们给到 Veo 3.1 的英文提示词是：「纽约街头正在下雨，突然一道闪电伴随雷声而来。」
大约一分钟后，我们获得如下视频画面：
可以看到基本上，闪电和雷声是在同一时间内出现，完成了声音画面的一致性。我们还可以更细致地发现每一辆车开过水坑时，声音会有一个从远到近，从大到小的变化程度。让我们意外的是，在 3 分钟左右的生成 AI 视频的倒计时中，Veo 3.1 整个视频的生成时间会在 1 分钟左右就完成，但生成的视频片段基本上都在 6 秒左右，与 Sora 2 可以生成 10-20 秒的时间相比，明显不占优势。
而且，我们还发现在整个画面，只有车、雨滴、和闪电是呈现动态效果，两旁的行人或者树木均是静止不动的，因此整个视频片段会出现一些违和感，让人能够一眼能看出是 AI 视频。
接下来，我们测试给 Veo 3.1 两张照片，并分别设定为第一张照片和最后一张照片后，看看 AI 视频的首尾稳定性如何。以及 Veo 3.1 能否能够通过拼接的方式，实现两段视频直接连接。
为了更好的生成效果，我们给到 Veo 3.1 的第一段提示词是：「一只顽皮的虎斑猫以流畅、连续的动作跃上办公桌。这个动作应展现从起跳到优雅落桌的完整跳跃弧线，以上两张图片分别为视频的首个画面和结束画面，确保运动过程流畅且符合物理规律。」
在大约 1 分钟后，Veo 3.1 给出视频效果是：
在视频的前半部分，呈现基本上自然。但是在小猫咪跳到电脑后面的时候，似乎变了另一只小猫出来，整个视频突然添了几分「魔法感」。并且，在视频的最后几秒，似乎有个开灯设定，将画面调整更亮。
同时，我们给出 Veo 3.1 第二段英文提示词：「跳上办公桌的虎斑猫趴下睡着了。以上两张图片分别为视频的首个画面和结束画面，确保运动过程流畅且符合物理规律。」
在 2 分钟后，Veo 3.1 给出一段 6 秒的短视频：
可以看出，Veo 3.1 给出的 AI 生成视频还是比较真实的。如果将两个视频片段连接在一起，则呈现的效果为：
可以看出，当两个视频拼接到一起之后，除了此前提到的「魔法感」比较突兀外，视频与视频之间还是保持了连贯性，并且也实现了一定程度上的场景拓展。
最后，我们测试了如何使用 Veo 3.1，通过三张图设定一个人物主角形象。
我们给出一段英文指令，大意为：「一个中景镜头，画面中的女性角色来源于人物参考图，身穿服装参考图中的衣服。她正在场景参考图中的场景里漫步，带着好奇而愉悦的表情环顾四周。环境需与提供的场景图一致。整体风格应为电影质感，拥有自然的光线和轻柔的微风。同步生成环境音效，如树叶的沙沙声和远处的鸟鸣。」
Veo 3.1 给出的视频效果为：
来源：极客公园
可惜的是，这一次我们发现 AI 视频中的人物明显建模感严重，服装和场景几乎都与此前给出的参考图片有明显差别，AI 感极重，该 AI 视频几乎是此次所有测试视频里面表现效果最差的。
整体看来，此次 Veo 3.1 在音画同步以及首尾画面稳定上均给出不错的 AI 效果。但在用图片设定人物形象，AI 人设方向并没有官网中介绍的效果好。
02
谷歌「暗踩」Sora2，
AI 大佬们跳出来反对
「胜，大获全胜。」谷歌试图在官网昭告天下这一点。据谷歌介绍，谷歌在文生视频的总体观感、视频对齐程度以及视觉质量等方面，完胜 Sora 2 Pro、海螺 2.0、Seedance 1.0 Pro 和 Renway Gen 3 等一众视频模型。
官网还强调，在音画一致性方面，Veo 3 的「视频素材」功能在内部基准测试中，在「整体偏好」和「视觉质量」两项指标均名列前茅。
有意思的是，谷歌官网还悄悄地「暗踩」OpenAI 所发布的 Sora 2，解释在图像转视频测试中没有 Sora 2 Pro 的原因是因为 Sora 2 Pro 目前不支持人像生成。
不过我们也发现在此次的对比中，谷歌似乎模糊 Veo 3.1 和 Veo 3 的模型边界，基于所有的图片显示中都是 Veo 3，而文字表达均为 Veo 3.1，因此暂时也很难确定此次评测的模型，究竟是刚刚发布的 Veo 3.1 还是 5 个月前的 Veo 3。
尽管谷歌自我感觉甚好，但在 AI 大佬们看来，Veo 3.1 的效果似乎略逊于 Sora 2。比如说，Otherside AI 的创始人 Matt Shumer 直接在推特上表示对 Veo 3.1 感到「有些失望」，他认为 Veo 3.1 效果明显逊于 Sora 2，价格却高出不少。毕竟，目前 Sora 2 可是免费使用。
3D 数字艺术家 Travis David 则提到 Veo 3.1 并没有突破 AI 视频生成的「8 秒」定律，且用户没有办法自己选择生成什么样的音频，让人大失所望。
还有不少网友提到期待「自动化分镜」功能迟迟没有上新，在自动化程度的进展也让人感到失望。
03
和 Sora 2 Pro 卷「性价比」？
Veo 3.1 瞄准 AI 视频专业化
在谷歌介绍 Veo 3.1 模型博客的最后，提到了价格与 Veo 3 相同。乍一看，我还以为谷歌此次是一次「加量不加价」的升级，但仔细研究之后发现，Veo 3.1 模型可能仍是目前市场较为昂贵的视频生成模型，仅次于 Sora 2 Pro。
除了 Veo 3.1，谷歌还推出 Veo 3.1 Fast，能够更快的生成视频，价格也更低，不含音频的版本是每秒$0.15，加上音频生成的版本则是每秒$0.40 美元。
而在价格表下，谷歌也为自己留出了一条后路，提到「在某些情况下，音频处理问题可能会导致视频无法生成。只有在成功生成视频后，系统才会向您收取费用。」这也能够说明一定程度上，该视频模型仍处于不稳定的状态中。
和前不久刚刚发布社交属性较强、更注重趣味感的 Sora 2 相比，Veo 3.1 明显定位在「专业化」上。因此，Veo 3.1 更强调视频的连贯性，音画的一致性以及人物的稳定性。
谷歌给出的应用场景案例也侧面印证了这一点。据介绍，GenAI 电影工作室 Promise Studios 已经开始其 MUSE 平台中使用 Veo 3.1 来增强生成 AI 视频故事性，整体生成视频要求尽可能达到导演希望的制作质量以及故事讲述感。AI 生成内容公司 Latitude 也正在其生成叙事引擎中测试 Veo 3.1，希望能够将用户创作的故事立即变为现实。
可以看到，Veo 3.1 正试图撬动专业影视制作领域，降低高质量视频创作的门槛和成本。这也意味着未来个人创作者或小团队，有机会通过叙事控制、定制化角色以及音画一致性，独立制作一系列风格统一的迷你短片或系列视频内容。
但从整体视频生成效果来看，五个月谷歌在 Veo 视频模型上往前仅走了「0.1 步」。