Google Veo

谷歌DeepMind推出的AI影片生成模型，支援文字/影象生成影片和原生音訊

影象生成影片生成 Google

https://deepmind.google/technologies/veo

前往官網

深度報告

Google Veo 是谷歌旗下 DeepMind 部門開發的最先進的 AI 影片生成模型，於 2024 年 5 月首次釋出，並在 2025 年持續迭代升級。Veo 代表了當前 AI 影片生成技術的最高水平，其最新版本 Veo 3.1（2025年10月釋出）引入了革命性的原生音訊生成功能，標誌著 AI 影片生成正式進入"音畫同步時代"。該產品支援文字到影片、影象到影片等多種生成模式，具備專業的創作控制功能，目前透過 Gemini、Google Flow、Google Vids 等多平臺提供服務。
Google Veo 誕生於谷歌在生成式 AI 領域的重要戰略佈局。2024 年 5 月 14 日，谷歌在美國 I/O 開發者大會上正式釋出了 Veo 影片生成模型，宣稱其能夠根據文字或影象輸入生成超過 60 秒的高質量影片。Veo 的釋出標誌著谷歌正式進軍 AI 影片生成領域，與 OpenAI Sora 形成直接競爭。 2025 年是 Veo 快速迭代的一年。2025 年 5 月，Google I/O 2025 大會上釋出 Veo 3，帶來更強的物理理解能力和原生音訊生成功能。2025 年 10 月 15 日，釋出 Veo 3.1，增加了場景擴充套件、首尾幀控制等高階功能。Veo 基於谷歌強大的生成式 AI 技術棧構建，整合了 DeepMind 在強化學習和多模態模型方面的技術積累、Gemini 大語言模型的語義理解能力，以及谷歌在影片處理和音訊生成領域的底層技術。
Veo 3.1 提供豐富的核心功能。基礎生成包括文字到影片、影象到影片、文字到影片加音訊三種模式。高階創作功能包括 Ingredients to Video（透過參考影象引導影片生成）、Scene Extension（片段延長為更長影片）、First and Last Frame（首尾幀之間建立流暢過渡）。編輯功能包括 Outpainting（擴充套件原始畫面邊界）、Add Object（引入新物件）、Remove Object（移除不需要的物件）。精細控制功能包括 Character Controls（角色身體、面部和聲音動畫）、Motion Controls（定義物件精確運動路徑）、Camera Controls（控制鏡頭推拉搖移）。 Veo 3.1 輸出規格為 1080p 和 4K 解析度，標準影片時長 8 秒，Veo 3.1 支援最長 168 秒擴充套件。使用者可透過 Gemini、Flow、Google Vids、Google AI Studio、Vertex AI、Gemini API 等多平臺訪問 Veo。 Veo 3.1 在行業基準測試中表現優異。在 MovieGenBench 文字到影片基準測試中，Veo 3.1 在整體偏好度、文字對齊和視覺質量方面均獲得最高評分。影象轉影片方面，VBench 基準測試證明其在整體偏好度和文字對齊方面領先。物理逼真度和音訊影片同步方面均表現最優。
Veo 3.1 API 提供三檔定價方案。Veo 3.1 Lite：720p 為 $0.05/秒，1080p 為 $0.08/秒，不支援 4K。Veo 3.1 Fast：720p 和 1080p 均為 $0.15/秒，4K 為 $0.35/秒。Veo 3.1 Pro：各解析度均為 $0.40-$0.60/秒。
使用者對 Veo 的整體反饋較為積極。核心優勢包括原生音訊生成（業界首個實現音畫同步的影片生成模型）、物理理解能力（對真實世界物理規律的理解表現出色）、提示遵循（對複雜文字提示的解析能力強）、多平臺整合（與 Gemini、Google 生態系統深度整合）。改進空間包括生成時長限制（標準仍限制在 8 秒）、生成一致性（部分場景下存在主體一致性保持問題）、內容稽核（存在一定機率的內容被攔截）。
在與 OpenAI Sora、Runway Gen-4 等競品的對比中，Veo 3.1 在影片質量方面表現優秀，原生音訊生成功能領先，多平臺生態整合優秀，但生成時長仍有侷限。
Veo 存在一定的技術風險，包括 Deepfake 風險（高保真影片生成技術可能被濫用於製作虛假影片）、內容稽核（儘管有安全過濾器，仍存在一定機率的有害內容生成風險）、就業影響（AI 影片生成可能對傳統影片製作、廣告行業產生衝擊）。谷歌採取的安全措施包括 SynthID 水印（預設在生成的影片中新增 AI 水印）、內容檢測（整合 SynthID Detector）、安全評估（對輸出內容進行多層安全檢查）、限制措施（阻止有害請求的執行）。
Veo 適用於專業影片創作者、內容創作者、企業營銷團隊、開發者以及 AI 愛好者。使用建議方面，入門使用者建議從 Gemini 免費版開始體驗；成本最佳化建議選擇合適的解析度；質量提升需要使用詳細、具體的提示詞併合理利用參考圖和首尾幀功能；合規使用需要了解並遵守平臺使用政策。
Google Veo 代表了當前 AI 影片生成技術的最高水平。2025年 Veo 3 的釋出，特別是原生音訊生成功能的引入，標誌著 AI 影片生成正式進入"音畫同步時代"，這是該領域的重要里程碑。核心優勢包括原生音畫同步生成、強大的物理理解能力、豐富的創作控制功能、多平臺生態整合、三檔定價方案滿足不同需求。需要注意生成時長仍有侷限、存在一定的內容稽核限制、需要關注 AI 倫理和 deepfake 風險。作為影片生成領域的標杆產品，Google Veo 為專業創作者和企業使用者提供了強大的 AI 影片創作工具。

使用者評論

Cynthia_RichardsonSr

—

從 Sora 關停之後基本全轉 Veo 了。說真的 Veo 3.1 現在是活著的高階子裡唯一原生音畫的，Flow 工作區能把多個 8 秒片段拼成長弧，參考圖保持角色一致也比 Veo 3 強太多。但別被 demo 騙了，複雜多人對話場景人物會 merge、聲音分不清誰在說話，單人和雙人還行，三人以上飯桌聊天基本翻車。我們做法是先用三張參考圖鎖人設、場景拆短、每鏡單獨出再剪，成片能看但工作量不小。綜合下來 4.5 分給得到，前提是你能接受它的慢和貴。

VictoireLeroy

—

生成限制那個滾動時間戳 bug 真能把人逼瘋。有回提示說達到上限，給個「明天某個時間能再生成」的時間戳，我一重新整理它又往後推 24 小時，等於永遠卡死。Ultra 使用者也中招，信用明明沒用完就是不讓出片。官方認了是 known issue 但一直沒修，全靠社群 workaround 續命。

CDiazSr

—

Veo 3.1 跟 Kling 3.0 我都重度在用，結論很清晰：要音畫一體、電影質感、廣告級單鏡，Veo 贏；要長鏡頭、人物運動流暢、跑量快，Kling 贏。Kling 一條 30 秒出、口型同步還比 Veo 快，盲測裡經常勝出。所以我們流程是 Veo 出主視覺、Kling 出動作戲，兩套互補，誰也替代不了誰。

CMitchell

—

價格這塊真的勸退新人。免費層和 250 刀 Ultra 之間斷層太大，中間缺個三五十刀的專業檔。按秒計費看著便宜，4K 帶音訊一條吃掉的計算量頂好幾條 720p，實際每刀產出算不明白。失敗生成照樣扣錢，有測試說成本能飆到預期八倍，小團隊真扛不住。

汪豔君

—

我們工作室接了 YouTube Shorts 的活，Veo 直接嵌在 Shorts 創作流裡生成綠幕背景，光影匹配比傳統綠幕強太多，合成的摩洛哥集市完全不違和。再加上 SynthID 水印是預設嵌的，平臺分發也不用擔心被標 AI 限流。缺點是複雜多人場景還是容易穿幫，老年人在網咖那段中文招牌全是亂碼，得後期修。

OscarSimon

—

老實說用了小一個月，結論是 Veo 3.1 畫質和音畫同步確實是 2026 年天花板，物理模擬、光影、運鏡慣性都挑不出毛病，做品牌 hero shot 沒人比得過。但高負載那會兒人物會「融化」，臉和物體 coherence 掉一截，應該是谷歌為了保速度降了推理質量。做少量精品沒問題，靠它每天量產幾十條短影片風險太大，一致性會飄。

俠客_21

—

4K 升級會把我原本帶聲音的片段音訊直接剝掉，這 bug 到現在沒修好。社群裡一堆人遇到，ingredients to video 模式尤其容易掉音，官方建議先預覽確認有聲音再升，等於多一道步驟。

Susan_PerryII

—

用 Gemini 幫寫提示詞再丟給 Veo 這招真有用，專業運鏡詞它吃得準，成片質感直接上一個檔次。自己硬寫「夕陽海灘」那種空話出來就是糊的，細節堆上去才像電影。

Philip.Adams168

—

對比下來 Veo 和 Sora 2 其實是兩條路：Veo 適合電影感單鏡頭和帶對話的 b-roll，Sora 2 敘事和角色一致性更強。現在 Sora 消費端都關了，長片只能老老實實回 Sora 還是轉 Veo 拼，挺糾結。

bigpanda969

—

等 Veo 出自定義語音等太久了，商業專案要品牌一致的聲音現在只能後期配，等於原生音訊的優勢打折扣。社群裡不少人催，谷歌一直沒動靜，Sora 2 在角色聲音上反而更自然。

JoshuaRodriguezK755

—

免費層每天五十來個 credit 看著多，真要迭代幾條 4K 帶音訊的片子半天就見底，而且失敗也扣。我有一回連著生成靜音影片，credit 燒光了正片還沒著落，氣得直接去 support 論壇發帖。

Mark_Nelson_Plus

—

做了兩週廣告素材，Veo 的寫實感和原生音訊是真的省事，一條對話廣告片直接出帶配音的成片。但速度勸退，8 秒要等快兩分鐘，趕投流的時候急死人，最後還是 Veo 出主畫面、Kling 出動作鏡頭各取所長。

Johnny_Hill8

—

中文生影片臺詞還是偶爾讀錯字，口型對得上但發音彆扭。

Chainnax

—

Flow 工作區串聯還算順手，但高階編輯還是得匯出去剪，不夠閉環。

TAher

—

價格模式改成 compute-used 之後完全算不清每天能出幾條，Reddit 都在罵。

Web3Li_nk

—

內容稽核也太嚴了吧，一箇中世紀戰場都給我拒了，Runway 那邊隨便過。

Susan.SanchezZ

—

試了素材到影片，丟三張參考圖出來的人物一致性好多了，品牌短片終於能用。

Aaron585

—

Veo 3.1 的豎屏原生輸出確實香，直接發 Shorts 不用裁，畫質也不掉，比之前橫屏裁的強太多。

BobbySanders52061

—

免費層夠玩了，先用著。

Rebecca.Hart_77

—

8 秒真不夠用，接龍全是縫。

Ralph_Jenkins_Max

—

生成慢到想睡覺，Kling 快三倍。

Bruce.Vasquez_Pro5

—

愛了愛了

Ralph_MillerJr

—

畫質驚豔到我了

LyubovirSuhenko

—

音畫同步太爽了，省了後期配音。

xOğuzhanArslanoğlu_dev

—

太強了！

VincentHart76

—

生成速度比以前快多了，點贊！

OLmag

—

用Veo做產品展示影片效果很好，客戶很滿意。電影感的構圖和光影處理確實專業級別。

AaronJenkins_77

—

影片質量確實很高，但生成等待時間有點長。

DE_mil

—

試用了幾天，場景延伸功能很強大。音樂影片和品牌廣告都可以用，價效比比Sora高很多。

GameFiGamerNielsen11

—

API呼叫體驗還不錯。

Google Veo

深度報告

使用者評論

相關連結

同類產品