谷歌发布用于视频生成的 Veo 2 和用于图像创建的 Imagen 3 ：为生成 4K 视频和数分钟长视频设定新标准

视频和图像生成创新正在提高视觉效果的质量，并专注于使 AI 模型对详细提示做出更灵敏的响应。AI 工具通过更准确地再现现实世界的物理和人类运动，为艺术家、电影制作人、企业和创意专业人士开辟了新的可能性。AI 生成的视觉效果不再局限于一般的图像和视频；它们现在可以实现与人类创造力紧密相关的高质量电影输出。这一进步反映了对高效产生专业级结果的技术的巨大需求，为从娱乐到广告等各个行业提供了机会。

基于人工智能的视频和图像生成所面临的挑战一直是实现真实感和精确度。早期的模型经常难以处理视频内容的不一致问题，例如幻觉物体、扭曲的人体动作和不自然的灯光。同样，图像生成工具有时需要准确遵循用户提示，或者渲染纹理和细节效果不佳。这些缺点削弱了它们在专业环境中的可用性，而专业环境中完美执行至关重要。需要人工智能模型来提高对基于物理的交互的理解，处理灯光效果，并重现复杂的艺术细节，这些对于实现视觉吸引力和准确的输出至关重要。

Veo 和 Imagen 等现有工具已取得了显著进步，但也存在局限性。Veo 允许创作者生成具有自定义背景和电影效果的视频内容，而 Imagen 则可制作各种艺术风格的高质量图像。YouTube 创作者、Vertex AI 上的企业客户以及通过 VideoFX 和 ImageFX 创作的艺术家广泛使用了这些工具。它们是很好的工具， 但它们通常存在技术限制，例如细节渲染不一致、分辨率能力有限以及无法无缝适应复杂的用户提示。因此，创作者需要兼具精确度、真实感和灵活性的工具来满足专业标准。

为了改善上述问题，谷歌实验室和谷歌 DeepMind 推出了 Veo 2 和升级版Imagen 3。这些模型代表了下一代人工智能驱动的工具，可以实现最先进的视频和图像生成结果。

• Veo 2 专注于提高真实感的视频制作，支持高达 4K 的分辨率，并将视频长度延长至几分钟。它结合了对电影语言的深刻理解，使用户能够指定镜头、电影效果和摄像机角度。例如，像“18mm 镜头”或“低角度跟踪镜头”这样的提示允许模型创建广角镜头或沉浸式电影效果。

• Imagen 3 通过在各种艺术风格中生成更丰富的纹理、更明亮的视觉效果和精确的构图来增强图像生成。这些工具现在可以通过 VideoFX、ImageFX 和 Whisk 等平台访问，Whisk 是谷歌的新实验，将人工智能生成的视觉效果与创意混音功能相结合。

Veo 2 为视频生成带来了几项升级。其中最核心的一点是它改进了对现实世界物理和人类表达的理解。与早期型号不同，Veo 2 可以准确渲染复杂的动作、自然光和细致的背景，同时最大限度地减少多余手指或漂浮物体等幻觉伪影。用户可以创建具有特定类型效果、运动动态和叙事元素的视频。例如，该工具允许提示包含“浅景深”或“平滑摇摄”等短语，从而生成反映专业电影制作技术的视频。Imagen 3 同样可以通过更逼真地遵循提示来实现卓越的改进。它可以生成逼真的纹理、细致的构图以及从动漫到印象派的艺术风格。这些模型可提供可根据用户要求进行调整的专业级视觉内容创建。

在评估中，在由人类评分员评判的面对面比较中，Veo 2 在真实感、质量和及时遵守方面的表现优于领先的视频模型。Imagen 3 在图像生成方面取得了最先进的成果，在纹理精度、构图准确性和色彩分级方面表现出色。升级后的模型还具有 SynthID 水印，可将输出标识为 AI 生成的，确保合乎道德的使用并降低错误信息风险。

借助 Veo 2 和改进的 Imagen 3，该团队推出了一款新的实验工具 Whisk，它将 Imagen 3 与 Google 的 Gemini 模型集成在一起，用于基于图像的可视化。Whisk允许用户上传或创建图像，并重新混合其主题、场景和风格以生成新的视觉效果。Whisk 将最新的 Imagen 3 模型与 Gemini 的视觉理解和描述功能相结合。Gemini 模型会自动为图像编写详细的说明，并将这些描述输入到 Imagen 3 中。此过程允许用户以有趣、新颖的方式轻松地重新混合主题、场景和风格。例如，该工具可以通过 AI 算法分析和增强图像，将手绘概念转化为精美的数字输出。

“Veo 2”的一些亮点：

• Veo 2 可制作高达 4K 分辨率的视频，视频长度可延长至几分钟。
• 它可以减少幻觉，例如多余的物体或扭曲的人体动作。
• 此外，它还准确地诠释了电影语言（镜头类型、摄像机角度和运动效果）。
• Veo 2 提高了对现实世界物理和人类表达的理解，从而实现了更高的真实感。
• 它允许使用电影提示，例如“低角度跟踪镜头”和“浅景深”，来产生专业的输出。
• 它与 Google Labs 的 VideoFX 平台集成，以实现广泛的可用性。

“Improved Imagen 3”的一些亮点：

• 现在，Imagen 3 可以生成更明亮、更细致的图像，并具有改进的纹理和构图。
• 它准确地遵循了不同艺术风格的提示，包括照相写实主义、动漫和印象派。
• Imagen 3 增强了色彩分级和细节渲染，以获得更清晰、更丰富的视觉效果。
• 它最大限度地减少了生成输出中的不一致性，实现了最先进的图像质量。
• 可通过 Google Labs 的 ImageFX 平台访问并支持创意应用程序。

总之，Google Labs 和 DeepMind 研究在 AI 驱动的视频和图像生成方面引入了并行升级。Veo 2 和 Imagen 3 通过解决视觉真实感和用户控制方面的长期挑战，为专业级内容创作设定了新的基准。这些工具提高了视频和图像的保真度，使创作者能够指定复杂的细节并实现电影输出。借助 Whisk 等创新，用户可以访问以前无法实现的创意工作流程。精确度、道德保障和创新灵活性的结合确保 Veo 2 和 Imagen 3 将对 AI 生成的视觉效果产生积极影响。

更多详细信息：
Veo 2：https://deepmind.google/technologies/veo/veo-2/
Imagen 3：https://deepmind.google/technologies/imagen-3/