Veo 3.1

Veo 3.1是谷歌於2025年10月15日正式發布的新一代AI視頻生成模型，支持生成720p/1080p解析度、最長148秒的視頻片段，並集成至Flow電影製作平台、Gemini API及Vertex AI平台。該模型通過對象級編輯、多圖像場景控制、首尾幀過渡等功能提升敘事控制能力，新增背景音頻增強和原生音畫同步生成技術，支持添加或移除視頻元素並自動處理光影效果。該模型支持橫屏與16:9豎屏格式輸出，基礎視頻時長為4-8秒。

在更新中，Veo 3.1主要在場景一致性、移動端尺寸方面進行改進，其“Image Ingredients（圖像要素）”生成視頻能力得到提升，能夠在不同場景切換中保持角色和敘事的一致性。同時支持將背景圖像、材質紋理、物體元素在多個場景之間重複使用，並能夠將看似無關的素材自然融合。Veo 3.1現已支持以9:16的縱向比例生成“Ingredients to Video”視頻內容，適配手機豎屏顯示，用戶還可使用視頻超解析度功能，將生成內容輸出至1080p乃至4K解析度。該模型首批樣本已展示8秒720p帶音軌視頻生成能力，測試顯示其提示詞遵循度與畫面保真度較前代有所提升。其生成速度較快，並在角色一致性、視覺元素標準化適配方面有所側重，企業用戶可上傳產品圖像以實現品牌風格統一。在2025年12月的音頻能力評估中，新興模型Seedance 1.5 pro在生成質量、同步性、對齊度、表現力等多項指標上表現優於Veo 3.1。

基本介紹

• 中文名：Veo 3.1
• 製作公司：谷歌
• 發布時間：2025年10月15日

簡介

Veo 3.1是谷歌於2025年10月15日發布的AI視頻生成模型，支持生成720p/1080p解析度、最長148秒的視頻片段，並集成至Flow電影製作平台、Gemini API及Vertex AI平台。通過技術更新，最佳化了AI視頻的敘事控制能力、音頻融合度與畫面真實感。此次更新為包括愛好者、創作者、企業用戶和開發團隊在內的不同群體提供了更多套用可能。

功能提升

敘事與音頻控制能力升級

Veo 3.1在前代基礎上，增強了對對話、環境音效及其他音頻元素的處理能力。值得關注的是，原生音頻生成現已全面集成到Flow平台的三大核心功能中：

● “幀轉視頻”：將靜態圖像轉化為動態場景

● “素材轉視頻”：整合多張圖像中的元素，創作複合視頻

● “延伸視頻”：基於已有片段持續生成，將初始視頻延伸至30秒甚至1分鐘以上

這些功能此前需要用戶手動添加音頻，現在則實現了音畫同步生成。這不僅讓用戶能更好地掌控作品的情感基調和敘事節奏，也省去了後期製作的繁瑣步驟。

對企業用戶而言，這種集成化的音視頻處理方式，使得製作培訓材料、行銷視頻等專業內容更加高效，顯著降低了製作門檻。

然而，在2025年12月的音頻能力評估中，新興模型Seedance 1.5 pro在生成質量、同步性、對齊度、表現力等多項指標上全方位超越Veo 3.1。

多模態輸入架構支撐精細編輯

Veo 3.1支持文本、圖像、視頻片段等多種輸入形式，並在輸出控制上更加精細。新引入的功能包括：

● 最多支持3張參考圖像，精準把控輸出內容的視覺風格

● 首尾幀插值技術，實現不同場景間的自然無縫過渡

● 場景延伸功能，突破單次生成時長限制，智慧型延續原有視頻的動作與運鏡邏輯

這些工具讓企業用戶能夠精細調整內容的外觀質感，確保符合品牌規範或創意要求。

此外，“插入對象”和“移除元素”等編輯功能也同步推出，不過部分功能尚未完全開放給Gemini API用戶。

全平台部署策略滿足多元需求

Veo 3.1通過以下渠道提供服務：

Flow：面向普通用戶的AI輔助視頻創作平台

Gemini API：為開發者提供視頻能力集成方案

Vertex AI：即將支持"場景延伸"等企業級功能

專業級輸出規格拓寬套用場景

Veo 3.1支持720p與1080p解析度輸出，幀速率穩定在24幀/秒。基礎視頻生成長度提供4秒、6秒或8秒選項，通過延伸功能最長可達148秒的連續片段。

特別值得一提的是，企業用戶上傳產品圖片或風格參考後，模型能夠準確保持這些視覺元素的一致性，這一特性對零售、廣告等行業的內容標準化生產極具價值。

移動端最佳化與畫質提升

Veo 3.1針對移動端使用場景進行了專門最佳化，支持以9:16的縱向比例生成“Ingredients to Video”視頻內容，專門適配手機豎屏顯示，契合各大短視頻平台的需求。用戶可使用視頻超解析度功能，將生成內容輸出至1080p乃至4K解析度，從而進一步提升畫面質量。