數碼 I 渝碼科技

在 2025 年谷歌I/O大會上，谷歌推出了其最新視頻生成 AI 模型-Veo3，這款模型最大的亮點是能夠同時生成視頻與音頻。

谷歌DeepMind 首席執行官Demis Hassabis 將其稱為“我們首次走出視頻生成的無聲時代”，Veo3的出現為視頻創作帶來了全新的可能性。

1、技術突破與創新

Veo3的音頻生成是其核心競爭力之一。

全新模型能夠同時生成高質量視頻和匹配的音頻內容，包括背景音效、音效、音樂以及畫面精準對口型的同步對話，標志著 AI 視頻生成技術進入“視聽一體化”時代。

該模型的音頻生成技術基于谷歌早期的Video-to-Audio（V2A）技術，采用基于擴散的方法，從隨機噪聲開始，經過多次迭代，最終生成與屏幕動作完美對齊的真實音頻。

Veo3 能夠理解視頻中的原始元素，并自動將生成的聲音與視覺內容同步，創作出無縫的視聽體驗。

除了音頻生成，Veo3在視覺質量和物理模擬方面也比前代產品有了顯著提升；它能夠更好地理解真實世界的物理規則，從而生成更加逼真的視頻內容。

此外，Veo3 在唇形同步方面表現出色，能夠準確地將生成的對話與角色的嘴部動作相匹配，解決了AI視頻生成中將語音與面部動作同步這一極具挑戰性的難題。

2、應用場景與潛力

Veo3的出現為電影制作人、內容創作者以及廣告商等帶來了巨大的便利和全新的創作思路。

創作者現在可以使用自然語言提示，指定希望與視頻內容一同生成的音頻類型。

例如，他們可以描述一個場景，要求生成與之匹配的背景音樂、環境音效以及角色對話，Veo3能夠根據這些提示生成相應的視頻和音頻內容。

這大大簡化了視頻創作的流程，降低了創作成本，提高了創作效率。

在廣告領域，Veo3可以幫助廣告商快速生成各種廣告視頻，根據不同的產品和目標受眾，生成具有吸引力的視覺和音頻內容，從而提高廣告的效果。

此外，Veo3還可以應用于教育、娛樂、游戲等多個領域，為這些行業帶來更加豐富和生動的內容體驗。

總而言之，谷歌的Veo3模型以其同步生成視頻和音頻的能力，為AI內容創作領域帶來了重大突破。它不僅提高了視頻生成的質量和逼真度，還為創作者提供了更加便捷和高效的創作工具。