Google Veo

谷歌DeepMind推出的AI视频生成模型，支持文本/图像生成视频和原生音频

图像生成视频生成 Google

https://deepmind.google/technologies/veo

前往官网

深度报告

Google Veo 是谷歌旗下 DeepMind 部门开发的最先进的 AI 视频生成模型，于 2024 年 5 月首次发布，并在 2025 年持续迭代升级。Veo 代表了当前 AI 视频生成技术的最高水平，其最新版本 Veo 3.1（2025年10月发布）引入了革命性的原生音频生成功能，标志着 AI 视频生成正式进入"音画同步时代"。该产品支持文本到视频、图像到视频等多种生成模式，具备专业的创作控制功能，目前通过 Gemini、Google Flow、Google Vids 等多平台提供服务。
Google Veo 诞生于谷歌在生成式 AI 领域的重要战略布局。2024 年 5 月 14 日，谷歌在美国 I/O 开发者大会上正式发布了 Veo 视频生成模型，宣称其能够根据文本或图像输入生成超过 60 秒的高质量视频。Veo 的发布标志着谷歌正式进军 AI 视频生成领域，与 OpenAI Sora 形成直接竞争。 2025 年是 Veo 快速迭代的一年。2025 年 5 月，Google I/O 2025 大会上发布 Veo 3，带来更强的物理理解能力和原生音频生成功能。2025 年 10 月 15 日，发布 Veo 3.1，增加了场景扩展、首尾帧控制等高级功能。Veo 基于谷歌强大的生成式 AI 技术栈构建，集成了 DeepMind 在强化学习和多模态模型方面的技术积累、Gemini 大语言模型的语义理解能力，以及谷歌在视频处理和音频生成领域的底层技术。
Veo 3.1 提供丰富的核心功能。基础生成包括文本到视频、图像到视频、文本到视频加音频三种模式。高级创作功能包括 Ingredients to Video（通过参考图像引导视频生成）、Scene Extension（片段延长为更长视频）、First and Last Frame（首尾帧之间创建流畅过渡）。编辑功能包括 Outpainting（扩展原始画面边界）、Add Object（引入新对象）、Remove Object（移除不需要的对象）。精细控制功能包括 Character Controls（角色身体、面部和声音动画）、Motion Controls（定义对象精确运动路径）、Camera Controls（控制镜头推拉摇移）。 Veo 3.1 输出规格为 1080p 和 4K 分辨率，标准视频时长 8 秒，Veo 3.1 支持最长 168 秒扩展。用户可通过 Gemini、Flow、Google Vids、Google AI Studio、Vertex AI、Gemini API 等多平台访问 Veo。 Veo 3.1 在行业基准测试中表现优异。在 MovieGenBench 文本到视频基准测试中，Veo 3.1 在整体偏好度、文本对齐和视觉质量方面均获得最高评分。图像转视频方面，VBench 基准测试证明其在整体偏好度和文本对齐方面领先。物理逼真度和音频视频同步方面均表现最优。
Veo 3.1 API 提供三档定价方案。Veo 3.1 Lite：720p 为 $0.05/秒，1080p 为 $0.08/秒，不支持 4K。Veo 3.1 Fast：720p 和 1080p 均为 $0.15/秒，4K 为 $0.35/秒。Veo 3.1 Pro：各分辨率均为 $0.40-$0.60/秒。
用户对 Veo 的整体反馈较为积极。核心优势包括原生音频生成（业界首个实现音画同步的视频生成模型）、物理理解能力（对真实世界物理规律的理解表现出色）、提示遵循（对复杂文本提示的解析能力强）、多平台整合（与 Gemini、Google 生态系统深度整合）。改进空间包括生成时长限制（标准仍限制在 8 秒）、生成一致性（部分场景下存在主体一致性保持问题）、内容审核（存在一定概率的内容被拦截）。
在与 OpenAI Sora、Runway Gen-4 等竞品的对比中，Veo 3.1 在视频质量方面表现优秀，原生音频生成功能领先，多平台生态整合优秀，但生成时长仍有局限。
Veo 存在一定的技术风险，包括 Deepfake 风险（高保真视频生成技术可能被滥用于制作虚假视频）、内容审核（尽管有安全过滤器，仍存在一定概率的有害内容生成风险）、就业影响（AI 视频生成可能对传统视频制作、广告行业产生冲击）。谷歌采取的安全措施包括 SynthID 水印（默认在生成的视频中添加 AI 水印）、内容检测（集成 SynthID Detector）、安全评估（对输出内容进行多层安全检查）、限制措施（阻止有害请求的执行）。
Veo 适用于专业视频创作者、内容创作者、企业营销团队、开发者以及 AI 爱好者。使用建议方面，入门用户建议从 Gemini 免费版开始体验；成本优化建议选择合适的分辨率；质量提升需要使用详细、具体的提示词并合理利用参考图和首尾帧功能；合规使用需要了解并遵守平台使用政策。
Google Veo 代表了当前 AI 视频生成技术的最高水平。2025年 Veo 3 的发布，特别是原生音频生成功能的引入，标志着 AI 视频生成正式进入"音画同步时代"，这是该领域的重要里程碑。核心优势包括原生音画同步生成、强大的物理理解能力、丰富的创作控制功能、多平台生态整合、三档定价方案满足不同需求。需要注意生成时长仍有局限、存在一定的内容审核限制、需要关注 AI 伦理和 deepfake 风险。作为视频生成领域的标杆产品，Google Veo 为专业创作者和企业用户提供了强大的 AI 视频创作工具。

用户评论

Cynthia_RichardsonSr

—

从 Sora 关停之后基本全转 Veo 了。说真的 Veo 3.1 现在是活着的高端子里唯一原生音画的，Flow 工作区能把多个 8 秒片段拼成长弧，参考图保持角色一致也比 Veo 3 强太多。但别被 demo 骗了，复杂多人对话场景人物会 merge、声音分不清谁在说话，单人和双人还行，三人以上饭桌聊天基本翻车。我们做法是先用三张参考图锁人设、场景拆短、每镜单独出再剪，成片能看但工作量不小。综合下来 4.5 分给得到，前提是你能接受它的慢和贵。

VictoireLeroy

—

生成限制那个滚动时间戳 bug 真能把人逼疯。有回提示说达到上限，给个「明天某个时间能再生成」的时间戳，我一刷新它又往后推 24 小时，等于永远卡死。Ultra 用户也中招，信用明明没用完就是不让出片。官方认了是 known issue 但一直没修，全靠社区 workaround 续命。

CDiazSr

—

Veo 3.1 跟 Kling 3.0 我都重度在用，结论很清晰：要音画一体、电影质感、广告级单镜，Veo 赢；要长镜头、人物运动流畅、跑量快，Kling 赢。Kling 一条 30 秒出、口型同步还比 Veo 快，盲测里经常胜出。所以我们流程是 Veo 出主视觉、Kling 出动作戏，两套互补，谁也替代不了谁。

CMitchell

—

价格这块真的劝退新人。免费层和 250 刀 Ultra 之间断层太大，中间缺个三五十刀的专业档。按秒计费看着便宜，4K 带音频一条吃掉的计算量顶好几条 720p，实际每刀产出算不明白。失败生成照样扣钱，有测试说成本能飙到预期八倍，小团队真扛不住。

汪艳君

—

我们工作室接了 YouTube Shorts 的活，Veo 直接嵌在 Shorts 创作流里生成绿幕背景，光影匹配比传统绿幕强太多，合成的摩洛哥集市完全不违和。再加上 SynthID 水印是默认嵌的，平台分发也不用担心被标 AI 限流。缺点是复杂多人场景还是容易穿帮，老年人在网吧那段中文招牌全是乱码，得后期修。

OscarSimon

—

老实说用了小一个月，结论是 Veo 3.1 画质和音画同步确实是 2026 年天花板，物理模拟、光影、运镜惯性都挑不出毛病，做品牌 hero shot 没人比得过。但高负载那会儿人物会「融化」，脸和物体 coherence 掉一截，应该是谷歌为了保速度降了推理质量。做少量精品没问题，靠它每天量产几十条短视频风险太大，一致性会飘。

侠客_21

—

4K 升级会把我原本带声音的片段音频直接剥掉，这 bug 到现在没修好。社区里一堆人遇到，ingredients to video 模式尤其容易掉音，官方建议先预览确认有声音再升，等于多一道步骤。

Susan_PerryII

—

用 Gemini 帮写提示词再丢给 Veo 这招真有用，专业运镜词它吃得准，成片质感直接上一个档次。自己硬写「夕阳海滩」那种空话出来就是糊的，细节堆上去才像电影。

Philip.Adams168

—

对比下来 Veo 和 Sora 2 其实是两条路：Veo 适合电影感单镜头和带对话的 b-roll，Sora 2 叙事和角色一致性更强。现在 Sora 消费端都关了，长片只能老老实实回 Sora 还是转 Veo 拼，挺纠结。

bigpanda969

—

等 Veo 出自定义语音等太久了，商业项目要品牌一致的声音现在只能后期配，等于原生音频的优势打折扣。社区里不少人催，谷歌一直没动静，Sora 2 在角色声音上反而更自然。

JoshuaRodriguezK755

—

免费层每天五十来个 credit 看着多，真要迭代几条 4K 带音频的片子半天就见底，而且失败也扣。我有一回连着生成静音视频，credit 烧光了正片还没着落，气得直接去 support 论坛发帖。

Mark_Nelson_Plus

—

做了两周广告素材，Veo 的写实感和原生音频是真的省事，一条对话广告片直接出带配音的成片。但速度劝退，8 秒要等快两分钟，赶投流的时候急死人，最后还是 Veo 出主画面、Kling 出动作镜头各取所长。

Johnny_Hill8

—

中文生视频台词还是偶尔读错字，口型对得上但发音别扭。

Chainnax

—

Flow 工作区串联还算顺手，但高阶编辑还是得导出去剪，不够闭环。

TAher

—

价格模式改成 compute-used 之后完全算不清每天能出几条，Reddit 都在骂。

Web3Li_nk

—

内容审核也太严了吧，一个中世纪战场都给我拒了，Runway 那边随便过。

Susan.SanchezZ

—

试了素材到视频，丢三张参考图出来的人物一致性好多了，品牌短片终于能用。

Aaron585

—

Veo 3.1 的竖屏原生输出确实香，直接发 Shorts 不用裁，画质也不掉，比之前横屏裁的强太多。

BobbySanders52061

—

免费层够玩了，先用着。

Rebecca.Hart_77

—

8 秒真不够用，接龙全是缝。

Ralph_Jenkins_Max

—

生成慢到想睡觉，Kling 快三倍。

Bruce.Vasquez_Pro5

—

爱了爱了

Ralph_MillerJr

—

画质惊艳到我了

LyubovirSuhenko

—

音画同步太爽了，省了后期配音。

xOğuzhanArslanoğlu_dev

—

太强了！

VincentHart76

—

生成速度比以前快多了，点赞！

OLmag

—

用Veo做产品展示视频效果很好，客户很满意。电影感的构图和光影处理确实专业级别。

AaronJenkins_77

—

视频质量确实很高，但生成等待时间有点长。

DE_mil

—

试用了几天，场景延伸功能很强大。音乐视频和品牌广告都可以用，性价比比Sora高很多。

GameFiGamerNielsen11

—

API调用体验还不错。

Google Veo

深度报告

用户评论

同类产品