2025年10月15日，科技圈又有大动作！谷歌正式上线了Veo 3.1和Veo 3.1 Fast两款视频生成模型，以付费预览的形式登陆Gemini API。这可不是普通的升级，它究竟能不能在视频生成领域掀起新的浪潮？和行业“老大哥”Sora2比起来，又有着怎样的表现呢？
体验地址：Veo 3.1网页版官网入口 （海外网站需要科学上网）
Veo系列可是谷歌在生成式视频模型领域的“王牌”：
- 2024年5月，Veo 1首次公开亮相，支持1080p分辨率视频生成，时长超过1分钟，还强调创意控制和真实感，直接向OpenAI的Sora系列发起挑战。
- 7个月后的2024年12月，Veo 2带着提升的艺术级视频和图像生成能力来了，还能和Imagen 3结合，在物理模拟和风格一致性上有了不小进步。
- 到了2025年5月，Veo 3更是定位为电影级文本到视频与图像到视频的创作引擎，支持多人物互动和复杂场景，还推出了Flow工具，半年时间全球用户就在Flow中生成了2.75亿个视频。
- 如今，Veo 3.1的上线，无疑是对前代模型的进一步升级。
下图是Veo的各版本发布时间以及核心亮点：
Veo 3.1核心亮点：
Veo 3虽然用户众多，但也存在不少痛点。音频生成局限于简单背景音，缺乏真实对话的自然流畅；叙事控制难以精准捕捉导演意图，角色在多场景切换时还会出现不一致；从图像起步的视频创作，也经常因提示词偏差产生视觉artifact，浪费计算资源。
Veo 3.1作为Veo 3的小幅改进版本，自然要解决这些问题。它在模型训练数据上进行了大规模优化，融入了更多高质量的电影级视频样本，训练数据集规模较前代至少升级至50%。这一改变，直接提升了模型对复杂提示的理解深度。
Veo 3.1最大的特点就是能无缝构建连贯的叙事链条。以前生成科幻短片的音频，听起来就像机器人朗读，现在却能模拟出紧张的背景配乐与人物低语交织，仿佛是专业后期制作出来的。
具体来看：
1.Veo 3.1丰富的原生音频生成
首次在“Ingredients to Video”“Frames to Video”和“Extend”等功能中集成音频，支持自然对话、音效和环境噪音，音频与视频同步，无需后期处理，音频质量也更逼真，不过不支持自定义语音选择。
2.叙事控制增强
模型对故事结构、电影风格和角色互动有更深理解，支持多参考图像保持角色/物体一致性，提示遵守更强，减少无效生成。
3.真实主义方面提升
在真实主义方面，能捕捉真实纹理、物理模拟和复杂场景，图像到视频转换的视听质量大幅提升。
4.编辑工具集成
此外，还集成了多种编辑工具，
- 如Insert能在任意场景添加元素，自动调整影子和光照；
- Remove能无缝移除物体/人物，重构背景；
- Ingredients to Video能结合多图像生成一致场景；
- First and Last Frame能从起始/结束图像生成平滑过渡，支持180度弧形镜头；
- Scene Extension能基于前一剪辑的最后一秒扩展视频，实现1分钟 + 长片。
Veo 3.1还有个Fast版本，视频生成速度很快，适合快速原型，但输出质量略低于标准版。
Veo 3.1与Sora2对比
下面我们来对比一下Veo 3.1和Sora2，看看它们在不同参数类别上的表现：
| 参数类别 | OpenAI Sora 2 | Google Veo 3.1 | 优胜方 |
|---|---|---|---|
| 输出格式 | MP4，24 fps；同步音频（对话/SFX） | MP4，24 fps；同步音频（对话/SFX） | 平手 |
| 分辨率 | 1080p（默认，1920x1080）；4K 测试中（Pro 版） | 720p（默认）；1080p（限 8s） | Sora 2（更高清） |
| 宽高比 | 16:9/9:16；支持自定义 | 16:9（默认）；9:16。参考图像限 16:9 | 平手 |
| 持续时间 | 5 - 10s（默认）；Pro 扩展至 60s | 4 - 8s（默认）；扩展至 148s（最多 20 次） | Veo 3.1（更长） |
| 输入模态 | 文本（≤2048 tokens）；图像/Cameo（多变体）；视频续接。负提示支持 | 文本（≤1024 tokens）；最多 3 张图像；视频扩展。负提示 | Sora 2（更多变体） |
| 生成限制 | 每次 1 - 5 个；种子可选；高峰延迟 2 - 5 分钟。安全过滤阻塞 NSFW | 每次 1 个；种子可选；延迟 11s - 6min。欧盟限人物生成 | Veo 3.1（更快 Fast 版） |
从对比中可以看出，两者各有优劣。Sora 2在分辨率、输入模态等方面表现出色，而Veo 3.1在持续时间和生成速度（Fast版）上有一定优势。
Veo 3.1实测：仍有提升空间
虽然Veo 3.1在视频生成的质量、连贯性、物理世界理解、配音等方面有明显提升，但根据实测，OpenAI的Sora 2在多个方面依然更胜一筹。
在微观写实、光影与物理细节上，Sora 2更常被认可，Veo 3.1则经常出现与物理世界不符的情况。
比如在配音方面，许多测试显示Sora 2的音频更加自然。有用户做了一个大猩猩和猴子合唱的视频，Veo 3.1输出的视频动物表情丰富，合唱节奏感强，背景丛林细节出色，但动作略显卡顿。而Sora2视频包含更狂野的互动，猴子跳跃物理真实，但声音同步稍弱。
还有用户测试了一群人在沙滩上打排球，Veo 3.1输出的视频中球员动作一致，沙滩纹理细腻，但跳跃高度不准，球轨迹略假。Sora 2输出的视频则物理碰撞真实，汗水和沙尘效果出色，整体更活力四射。
Veo 3.1使用与价格情况
目前，大家已经可以在Gemini API / Vertex AI / Gemini 应用 / Flow上面使用Veo 3.1了，不过都是付费使用。在接口价格方面，Veo 3.1标准版是0.4美元/秒，而Sora2是0.1美元/秒，Sora2 - pro是0.3美元/秒。
谷歌的Veo系列视频生成模型一直在不断进化，Veo 3.1的上线虽然带来了不少亮点，但和Sora2相比仍有差距。未来，谷歌能否在视频生成领域实现更大的突破，让我们拭目以待。
值得一提的是，如今AI技术在视频生成领域的应用越来越广泛，各大科技公司都在不断加大研发投入，竞争愈发激烈。这也促使着视频生成技术不断朝着更加真实、智能、高效的方向发展。
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区
AITOP100平台官方交流社群二维码：
