我最近有机会试用了 Google 在人工智能视频技术方面的最新突破Veo 3。它于 2025 年 5 月 20 日在 Google I/O 2025 活动期间发布。
它的酷炫功能引起了广泛关注。作为一名从事人工智能视频生成工作的人，我渴望分享我对这个模型的真实想法和体验。
长话短说
我通过制作播客和几个音乐会视频来测试Veo 3。虽然它并不完美，也有一些奇怪的故障，但它能制作出逼真的视频和同步的音频，这令人印象深刻。
但有时我也对这种模式感到沮丧：音频和字幕的生成无法完全控制，而且它生成的文本经常出错。
| 优点 | 缺点 |
| ✔️ 一次性生成视频和音频 | ❌ 订阅计划非常昂贵 |
| ✔️ 逼真的口型同步和音效 | ❌ 音频和字幕生成不受控制 |
| ✔️ 高质量的视觉效果和良好的物理特性 | ❌ 经常出现可见的怪异现象和文本混乱 |
| ✔️ 集成到Google Flow中 |
视频、音频、画外音、口型同步……一气呵成
我首先注意到的是Veo 3 如何将多个视频创建步骤简化为一个简单的流程。
当我使用Veo 3，它能为我的视频注入声音，让视频栩栩如生，这让我感到非常惊叹。我可以添加环境音，比如树上鸟儿的歌唱声或城市街道的喧嚣声，这让我的场景感觉非常真实。
最让我印象深刻的是，它能够创建与角色唇部动作相匹配的对话——这太自然了，有时看起来不像是由人工智能生成的。
AI 视频工作流重新定义
这种新的多模态能力无疑是该模型的主要亮点之一。您不再需要为音乐或寻找配音和唇形同步而烦恼。
这可能会改变人们使用人工智能制作视频的方式：
- 旧工作流程：生成视频 > 生成画外音/音效/音乐 > 口型同步 > 编辑。
- Veo 3的新工作流程：只需输入文本提示，一切都会自动完成。
生成示例
我很想知道Veo 3将如何处理某些热门视频请求，所以我让它生成了四个独特的视频。
在第一个例子中，我要求制作一个看起来很真实的虚假天气新闻主播公告，内容是关于墨西哥玉米卷入侵美国的消息。
我对这段视频的半真实感感到惊讶。虽然有一些面部变形，但播音员看起来栩栩如生，嘴型也相当准确。
下一个例子是一个新奇的视频，内容是一只看起来很逼真的会说话的大猩猩参加了一场大型英式足球比赛，它举着自拍杆，在看台上和其他球迷一起，愤怒地向观众抱怨裁判不公平的判罚。
这是一个有趣的结果，因为大猩猩看起来和听起来都非常逼真，表情和身体动作都很自然。但背景中仍有几个明显的失真。
在第三个例子中，我想看看如果把蔬菜切成两半，里面会是什么样子。
在大多数情况下，我的提示都得到了准确的遵循，但由于某种原因，该工具渲染出了结晶化的蔬菜，这影响了我所追求的视觉真实感。顺便说一句，声音很放松。
在最后一个例子中，我要求Veo 3制作一段时间旅行的电影片段，讲述一名女子回到 1912 年 4 月 14 日，试图警告泰坦尼克号上的乘客，让他们知道这艘船将在纽芬兰附近北大西洋海域沉没。
这次，我发现场景被过度夸张了，而且突然消失的片段也没有必要。坦率地说，这是一个相当随意且不准确的AI视频渲染。
总而言之， Veo 3在大多数情况下表现相当不错。它在提示遵循和视觉一致性方面有一些小问题。因此，可能需要不时进行一些重新生成，但我认为这个 AI 模型有能力生成适合传播的视频。
Flow：下一代AI视频制作抢先看
Google在发布Veo 3 的同时，还发布了Flow 。这是一个 AI 视频故事板平台，集成了Veo 3及其之前的视频模型，以及大量的 AI 生成和编辑工具。
故事板
故事板的概念并不新鲜。Sora 引入了Sora，但由于性能不佳而被忽视。Google Google采用了故事板的概念，使其更加实用。
您可以将上传或由Veo系列模型生成的任何片段放置到时间轴上，对它们进行排列、修剪和执行基本编辑。但最酷的功能是他们所谓的“扩展”。
视频流畅扩展
工作原理如下：您拍摄一段 8 秒的视频，然后可以使用任何一帧作为起点，生成从那一刻开始的全新动画。
令人惊叹的是，原始内容和新内容之间的过渡非常流畅。FlowFlow分析了原始视频中的运动趋势，而不仅仅是使用单个图像作为参考。
此扩展功能非常重要，因为它打破了 AI 生成视频的典型长度限制。您现在可以创建更长、更具叙事性的视频，而不再局限于短片。
这与Sora承诺的功能类似，但 Google 的实现方式实际上效果很好，足以派上用场。
但有一点需要注意：目前，扩展功能仅适用于Veo 2 ，而不适用于较新的Veo 3。
令人印象深刻，但也不尽如人意
Veo 3提供的酷炫功能和精彩视频让我非常兴奋。但随着我进一步探索，我也注意到我生成的一些视频存在质量问题。
音频和字幕生成不受控制
有一件事真的让我很困扰，那就是音频和字幕的生成感觉非常随机。即使你在提示中指定了它们，也无法控制它们是否出现。
其中一个例子是使用此提示生成的视频：这个20岁的女孩非常沮丧，她说：“怎么回事？我自己写的文章竟然被判定为AI生成的？”女孩一只手捂着头，表情焦虑，没有字幕。
我在提示中明确要求女孩说话，并且不要添加字幕。结果视频完全没有声音，但却有字幕。
在这个推广牙刷的 TikTok 视频示例中，你也可以听到没有声音。
怪癖与故障
我还注意到Veo 3生成的视频中出现了一些故障。这包括一些不自然的动作或视觉故障，这些故障根本说不通。
例如，我尝试制作一个笔记本电脑开箱视频。视频中，没有展示有人实际打开盒子并取出笔记本电脑的场景，而是纸板箱本身直接变成了笔记本电脑！
令人失望的是， Veo 2 中的这些问题在新版本中仍然存在。
此外，我认为整体音质仍需改进，有些音效听起来很奇怪。这些问题虽然很小，但仔细听还是能听出来的。
文本混乱
另一个问题是文本生成质量。Veo Veo 3可以为视频生成字幕，但文本经常出现混乱和拼写错误。
您可以在之前的示例中看到这个问题。这里还有更多示例，向您展示这个问题出现的频率有多高。
我知道这是许多人工智能模型普遍存在的问题。但如前所述，您无法完全控制它们的外观。因此，您可能需要多尝试生成几次，以避免出现此问题。
价格昂贵
我发现的另一个缺点是Veo 3价格超贵。它仅适用于订阅了 Google Ultra 计划的用户，该计划每月收费 249.99 美元。
价格相当高。如果你只是一个休闲用户或小型创作者，可能想尝试一下这个模型，那么我认为这不适合你。希望Google将来能扩大访问范围或提供更实惠的选择。
无法使用Veo 3？试试Pollo AI！
如果您正在寻找一款高质量的AI视频生成器，但发现Veo 3无法访问，那么您绝对应该看看Pollo AI ！
Pollo AI是一个功能强大的多合一 AI 视频和图像生成平台，让您可以在一个便捷的平台上尝试所有最佳视频模型。作为Google Cloud 的官方合作伙伴，您现在可以在Pollo AI上试用Veo 3 ，亲身体验其尖端功能！
除了Veo 3，该平台还允许您在Veo 3.1 、 Vidu、 Hailuo、 Kling和PixVerse等其他顶级型号之间无缝切换，体验其独特的功能。这样，您就可以访问所有高级模型，从而创建令人惊叹的高质量视频。
此外， Pollo AI还提供了一套全面的原生视频工具，可满足您的所有创意需求。
例如，您可以尝试其创新的图像转视频AI、文本转视频AI、参考转视频、视频转视频AI等等。此外，您还可以应用多种AI视频效果来创建各种有趣且富有想象力的AI视频。
结语
作为尝试过大多数AI视频生成工具的人，我对Veo 3交付的高质量感到非常兴奋。
自然的音频集成、逼真的细节以及简化的视频创建流程，这些都是给我留下深刻印象的酷炫功能。
另一方面，价格限制了它的应用范围，而且生成内容的质量和一致性仍有改进空间。
话虽如此， Veo 3仍然让我对人工智能视频技术的发展方向有了引人入胜的了解，我很想知道Google和其他公司将如何在此基础上发展。
此外，如果您正在寻找一款一体化AI视频生成平台，我建议您试试Pollo AI视频生成器！