谷歌今日正式发布新一代视频生成模型Veo 3.1，在画面真实度、叙事控制及多模态生成能力方面实现突破。该模型同步赋能旗下AI影视创作平台Flow，新增音频生成功能，支持从文本到"声画合一"的完整创作流程。
Flow平台此次升级聚焦三大核心功能：素材生视频（Ingredients to Video）支持多图参考生成定制化视频，首尾帧（frames to Video）可自动生成过渡镜头，视频延展（Extend）功能则能将短片扩展至分钟级长视频。最引人注目的是AI音频生成系统的加入，该系统可根据画面内容自动匹配环境音、动作音效及氛围配乐，实现真正的多媒体创作。
针对后期编辑需求，Flow新增智能元素插入工具，可自然融入人物、动物等新元素并自动调整光影效果。即将上线的一键移除功能支持无痕删除对象，系统会自动重建背景画面。这些工具使创作者能更精准地控制最终效果。
技术测试显示，Veo 3.1在复杂光影场景中表现突出，能准确还原清晨光线的暖色调与自然氛围。实测生成的小溪画面水流平滑，反光细节处理得当，配音与画面内容高度契合。模型提供快速版（30秒-1分钟生成）和高质量版两种模式，满足不同创作需求。
但在高难度动态场景测试中，模型暴露出明显局限。当尝试生成体操动作视频时，输出画面出现严重扭曲，无法准确呈现人体结构。名人肖像测试也显示保护机制生效，上传OpenAI CEO照片生成的画面存在显著差异，系统提示不支持使用特定人物形象。
目前Veo 3.1已通过Flow平台、Gemini API、Vertex AI及Gemini应用全面开放，免费用户每月可获100个AI点数，约可生成5条视频。广告短片测试表明，模型能根据咖啡杯、人像等素材生成符合品牌调性的商业内容，广告词呈现效果达到预期要求。
