主要观点总结
文章介绍了谷歌发布的AI视频工具Veo 3，它能够生成高质量视频并理解视频中的原始像素，自动生成与画面同步的对话、多种音效。该工具能够生成音画同步的视频，包括对白生成、唇动对齐和情绪音效等。Veo 3的表现得到了多个视频展示的验证，并在社交网络引发热议。其背后的技术包括DeepMind的V2A技术和谷歌的音视频数据资源。尽管目前仅面向专业创作者和开发者开放，但Veo 3的初次亮相已经引起广泛关注，预示着AI视频技术的未来发展方向。
关键观点总结
关键观点1: Veo 3的主要功能
能够生成高质量视频，并理解视频中的原始像素，自动生成与画面同步的对话、多种音效，包括对白生成、唇动对齐和情绪音效等。
关键观点2: Veo 3的表现验证
通过多个视频展示，包括酒吧情景喜剧、游戏直播风格视频等，Veo 3的表现令人惊叹。
关键观点3: Veo 3的技术支持
背后依赖DeepMind的V2A技术和谷歌的音视频数据资源，使Veo 3的音画合成功能遥遥领先。
关键观点4: Veo 3的局限性
目前仅面向专业创作者和开发者开放，且视频时长有限（8秒），定价较高（249.99 美元/月）。
关键观点5: AI视频技术的发展趋势
过去生成式 AI 是「语言+图像」的时代，现在正进入「视听一体」的新阶段。未来音画一体将是下一轮视频模型竞赛的标配。
文章预览
机器之心报道 编辑：Sia 还记得 2023 年 AI 视频最出圈的片段吗？ 威尔·史密斯吃面，动作鬼畜，画面寂静—— 当时的视频大模型，只会动，不会说话。 Sora 的发布让视频质量飞跃、物理规则建模进步巨大，也直接引爆了整条赛道。 Runway、Pika、Luma、Kling、Genmo、Higgsfield、Lightricks 等初创公司，以及 OpenAI、谷歌、阿里、字节等科技巨头，纷纷入局。 但无论画质如何进步，视频还是「哑巴」—— 你可以让人物奔跑、翻转，甚至做出慢动作，但如果想让角色说话、听到风声、脚步声，甚至感受到炒菜时锅里的滋滋声？ 对不起，还得自己导音频。 更麻烦的是，配完音还可能对不上节奏——口型和对白不同步，脚步踩不到点上，情绪氛围总差一口气。 直到今天，谷歌正式发布 Veo 3。AI 视频， 终于能「开口说话」了—— Veo 3 不仅能生成高质量视频，还能理
………………………………
