，最近又迎來更新，能讓圖片開口說話了。

Google CEO Sundar Pichai 發(fā) X 說，自從五月 Google 開發(fā)者大會以來，用戶已經(jīng)使用 Veo 3 創(chuàng)建了超過 4000 萬的視頻。

而且，現(xiàn)在通過 Gemini 就能體驗到 Veo 3 強大的視頻生成能力。

Veo 3 最近的這次更新，讓非常多的創(chuàng)作者再次興奮地發(fā)起「整活」大賽。

最吸睛的變化是，你上傳一張圖片，它可以直接「開口說話」了！不僅是嘴動，配音也來了。

像是這個，家里小朋友隨手畫的一只小老鼠，可以從紙上動起來，還會有老虎的背景聲音。

https://x.com/joshwoodward/status/1943326836081193086

有了圖生帶聲音的視頻，還有人用 Veo 3 直接制作了一個由相同角色講述的連貫短片。

https://x.com/Diesol/status/1942452185259991246

我們帶你快速看看它這次更新都改了什么，又能怎么玩出新花樣。

更新亮點：

原來的首幀轉視頻或圖片轉視頻，不支持聲音的生成。這一次，只需要上傳一張靜態(tài)圖片，加上文字腳本，就能生成口型和語音同步、或者音效豐富的視頻。

此外，Veo 3 Fast 模型也支持首幀轉視頻，我們可以消耗更少的積分，快速生成一段 AI 視頻。

積分上，Pro 用戶（每月 1000 點數(shù)）支持購買額外 AI 點數(shù)，不用干等月初刷新，按需加點，靈活性提高。

雖然讓照片動起來不是 Veo 專有，我在抖音上也一些視頻。他們是拍一張自己的照片，然后就會生成一個帥哥/美女來親吻或者擁抱他，也是只需要上傳照片就可以。

但 Veo 3 和抖音上這個特效不同，它現(xiàn)在能做的不僅僅是針對某一種特定類型，所有的圖片都可以生成視頻，并且，是有聲音的視頻。

Veo 3 實測體驗：一句話讓圖片開口說話，效果靠譜嗎？

我們也用 Veo 3 在 Gemini 和 Flow 里面都生成了一些視頻。

圖片轉視頻能夠「說話」之后，生成的視頻確實會更驚艷。

像是我們也拍攝了一張愛范兒園區(qū)的照片，然后像 Google CEO 發(fā)布的那個視頻一樣，讓一只骨架恐龍在這里漫步。

音效、配合首幀畫面的一致性、骨架恐龍都非常出色。不過還是有缺點，后面生成的廣州塔頂部觀景平臺明顯不對。

可能是我給他的圖片場景太復雜，我隨手拍了一張工位上的杯子，然后告訴 Veo，讓這個杯子長出手腳，破壞我的筆記本。 這下它處理起來就明顯更容易了。

我覺得和現(xiàn)實生活中我們拍攝的照片聯(lián)動起來，想一個好玩的提示詞，這真的很有意思。

打開一本書，一個全新的世界躍然紙上，真的可以做到，只用拍張照片，一句提示詞。

Veo 不能生成長視頻，但有了圖片轉視頻還能生成聲音的功能，我們可以把原來 Veo 3 限制 8 秒的視頻無限擴展。只要你有想象力，Veo 甚至能生成一個微電影。

我們嘗試了讓它生成一座城市的千年進化史， 展現(xiàn)一座城市從無到有，再到未來幻想。

同時，還配上了專門的音效說明。像是從自然之聲開始，逐漸加入建設聲、馬車聲、工業(yè)轟鳴、現(xiàn)代都市的喧囂，再到未來科技感的聲音，最后回歸寧靜。

雖然這個過程比較麻煩，需要我們每生成一個 8 秒的視頻，都截取這個視頻的最后一幀作為下一個視頻生成的首幀。但通過這樣的方式，就能一直「延長」一個視頻。

我們是直接在 Gemini 里面生成的這個視頻。點擊「新增相片」，然后輸入提示詞，Gemini 會使用 Veo 3 Fast 快速生成（約 1-2 分鐘）一段 8 秒的視頻。

Gemini 的可選項不如 Flow 里面豐富，使用 Flow，不僅可以指定視頻的首幀，還能指定視頻的最后一幀。開頭的恐龍視頻，我們就是在 Flow 里面生成。下面還有幾個我們用 Flow 的幀轉視頻生成的內(nèi)容。

讓歷史人物也開口說話，我們找了一張魯迅的圖片，然后告訴 Veo 讓照片里的人開始說話。以后，再看到有人說「魯迅：這我沒說過」，用 Veo 3 丟個視頻給他，這話魯迅真說過。

不過尷尬的是，現(xiàn)在還只能說英文。

家里的寵物，小貓小狗也能動起來，開口向你吐槽了。

此外，我們還嘗試了指定首幀和最后一幀，以及運鏡的類型。在 Flow 里，它提供了推鏡、拉鏡、搖臂，平移、環(huán)繞、俯仰等 13 種運鏡類型。

我們選了一張幾天前的晚霞照片和開頭的愛范兒照片，告訴 Veo 一步步推進直到定位到最后一幀。不過，選擇特定推鏡方式的時候，Veo 2 還是不夠智能，它沒有辦法很好的生成這個轉變。所以下面是默認的鏡頭運動方式，Veo 生成的視頻。

還需要注意的是，現(xiàn)在指定兩張圖片，還不支持 Veo 3 模型，只能使用沒有聲音的 Veo 2 Fast。

不僅可以復活名畫，還能生成酷炫廣告

在網(wǎng)上也有非常多人分享自己使用 Veo 3 生成的有意思的視頻。不少人表示，圖片帶音頻的視頻生成，是 AI 視頻生成領域的一項大突破。

https://x.com/venturetwins/status/1942972223725437130

這段 39 秒的采訪視頻完全由 Veo 3 Fast 生成，作者就是可以通過將一個片段的最后一幀，作為下一個片段的起始幀來從實質上「延長」它。

還有人用 Veo 3 重現(xiàn)了古典藝術中描繪的莎士比亞悲劇。作者直接使用了著名的畫作奧菲莉亞和提示詞「她坐起來說，實際上，我想我已經(jīng)厭倦了哈姆雷特」。

https://x.com/emollick/status/1943061819331088434

除了讓這些藝術作品開口說話，還有用 Veo 制作了非常多長度在一分鐘左右的廣告視頻，有酷炫的汽車廣告，還有手機廣告，指定產(chǎn)品名字和 Logo 的廣告，都能生成。

最后，Google 在昨天自己也發(fā)了一個讓狗狗開口說話的視頻。

感興趣的朋友可以在 Gemini 和 Google 實驗室項目里面的 Flow 體驗！

如果沒有開通 Pro 會員的話，還可以試試透過 docs.google.com/videos/ 去看看是否有免費生成視頻的選項。

歡迎加入 APPSO AI 社群，一起暢聊 AI 產(chǎn)品，獲取，解鎖更多 AI 新知

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）