Veo3

Google 于 2025 年 5 月在 I/O 大会上发布的 Veo 3，核心突破在于首次在主流视频模型中实现了高保真的音画同步生成——包括对话、音效与环境声音，被《好莱坞报道》形容为标志着 AI 视频生成"走出无声电影时代"。此前市面上的视频模型普遍受困于时长过短、逻辑一致性差和可控性弱，生成的更像是"动态图片"而非叙事影像；而 Veo 3 不仅能根据文本提示生成栩栩如生的视频片段，还在长视频生成、逻辑连贯性和音画同步方面保持了数月领先。

这一迭代节奏在 2025 年 10 月继续加速，Google 紧接着推出了 Veo 3.1。与此同时，Veo 2 也在同期增添了参考驱动生成、相机控制、画面扩展及对象增删等功能。从行业位置来看，Veo 3 的发布被视为 Google 补齐多模态拼图"最后一块、也是最重要的一块"，使其在视频生成领域与 OpenAI 等厂商齐头并进甚至实现超越。不过到了 2026 年初，AI 视频赛道已呈现"你上我下"的胶着态势：头部模型换位间隔从半年压缩到几周，能力差距在收窄，用户选择更多取决于具体场景、成本与时间的权衡。