在本届 I/O 开发者大会上，谷歌推出了最新的视频生成模型 Veo3，这是其首款能够生成视频背景音效的模型。该模型不仅可以生成画面，还能为如鸟鸣或街头交通等场景添加匹配的音效，甚至能生成人物对话。谷歌表示，Veo3 在物理模拟和口型同步方面表现出色。目前，该模型仅对美国地区的 Gemini Ultra 用户及 Vertex AI 的企业用户开放，并已整合进谷歌的 AI 影视制作工具 Flow 中。用户依然可以为 Veo2 提供人物、风格、场景或物体的图像参考，并通过 Flow 使用镜头控制功能实现旋转、缩放，将竖屏画面调整为横屏，以及在视频中添加或删除元素。