谷歌DeepMind宣布推出下一代视频生成AI模型Veo 2，旨在视频生成领域超越OpenAI。Veo 2支持以最高4K（4096×2160像素）分辨率生成长度超两分钟的短片，理论性能显著优于Sora。
目前，Veo 2仅在实验性工具VideoFX中可用，输出被限制为720p分辨率和8秒时长。DeepMind产品副总裁Eli Collins表示，随着模型准备就绪，未来将通过Vertex AI平台提供Veo 2，并计划明年分享更多更新。
更具可控性
Veo 2延续了文本提示及“文本+参考图像”的生成方式，并在以下方面实现升级：
- 画质提升：纹理与图像更锐利，尤其在动态场景中表现更佳；
- 相机控制：可精确定位虚拟摄像机位置，多角度捕捉物体与人物；
- 物理模拟：更真实地还原运动、流体动力学（如液体倾倒）及光影特性（阴影、反射）；
- 细节表现：支持多种镜头语言、电影特效及细腻的人类表情。
实测样本显示，Veo 2在处理折射现象、复杂液体及皮克斯风格动画方面表现出色。但模型仍存在局限，如角色眼神空洞、背景融合异常及建筑物理逻辑错误等“恐怖谷”效应。Collins承认，连贯性、角色一致性及复杂动作生成仍是待改进领域。DeepMind正与Donald Glover等创意人士合作，持续优化模型。
安全与训练
Veo 2基于高质量“视频-描述配对”数据训练，YouTube可能是数据来源之一。尽管DeepMind提供了爬虫屏蔽工具，但未开放从现有训练集中移除作品的机制，坚持公开数据训练属于合理使用。
针对生成风险，DeepMind采取了以下措施：
- 内容过滤：引入提示词级过滤器，拦截暴力、血腥及露骨内容；
- 版权保护：推出赔偿政策，为特定客户的版权侵权指控提供辩护（Veo 2全面开放后适用）；
- 深度伪造防范：使用专有水印技术SynthID嵌入不可见标记，但该技术并非万无一失。
Imagen 3 升级
同期，Google DeepMind对商业图像生成模型Imagen 3进行升级，新版本已上线ImageFX。升级后的模型能生成更明亮、构图更优的写实、印象派及动漫风格图像，且对提示词的遵循度更高，细节纹理更丰富。
ImageFX界面同步更新：输入提示词时，关键词将转化为带下拉菜单的“芯片”，用户可通过选择建议词汇或自动生成的描述符快速迭代修改内容。
