新智元报谈

剪辑：剪辑部 HYZ

【新智元导读】OpenAI的Sora翻车后，迎来谷歌的暴击：昨天半夜，Veo 2、Imagen 3、Whisk一套组合拳打来，AI视频和生图笔据，再次被谷歌改换了。

就在昨天，谷歌再次爆打OpenAI。

全新发布的Veo 2，实测恶果已经被好多东谈主公认「超越Sora」。

四肢谷歌开赴点进的视频生成模子，Veo 2更好地意见现实寰球物理和畅通的轻微差别，意见电影影相讲话的才能（如镜头类型和恶果），分歧率高达4K。

同期放出的，还有Imagen 3图像生成模子，和用图像而非文本四肢prompt的器具Whisk。

不管是在LLM上，如故在视觉创作上，谷歌正在减弱和OpenAI的差距。

举个栗子，咱们用辩论的指示「A pair of hands skillfully slicing a ripe tomato on a wooden cutting board」生成一个切西红柿的视频。

在Veo 2中，西红柿不仅会跟着刀子的前后出动而出动，何况其横断面显著可见。切片虽略显矫捷，但前后永远保持一致，而且还能正确地叠放起来。

比较之下，Sora不仅照入部属手指猖獗下刀，而且切了半天的西红柿依然「齐全无损」……

Veo 2

Sora

难怪有网友说，在意见物理寰球和一致性上，Veo 2已经到了next level。

高达4K的分歧率，大大进步的细节和真的感，东谈主体动作和热枕的改善，以及更好的物理建模和时刻一致性，都让Veo 2达到了顶级AI视频模子的级别。

在Meta的Movie Gen Bench上，Veo已经不错和Kling、Minimax、Sora掰手腕了

Veo 2强势升级，4K电影级画质

遐想一下，只用浮浅翰墨态状，就能生成高达4K、超长分钟的雅致视频。

Veo 2恰是这么一个颠覆性的创新。

它不错除名浮浅和复杂的指示，并在物理模拟经过中，展现出令东谈主咋舌的生成质料。

镜头如清风般存眷地穿梭在粉彩色的木制蜂箱之间，奋发的蜜蜂轻歌曼舞，时隐时现于画框之中。画面缓缓停下在场景中央那位气质优雅的养蜂东谈主身上，他身着的白净养蜂服在金色的午后阳光中熠熠生辉。他轻抬着一罐琥珀色的蜂蜜，稍稍歪斜着让阳光透过蜜液折射出平和的光晕。在他死后，一派无垠的向日葵跟着微风轻轻摇曳，金黄的花瓣在平和的阳光映照下盛开出平和的光芒。镜头徐徐上移，展现出一座典雅的乡村老宅，薄荷绿色的百叶窗点缀其间，摇曳的树影在墙面上织就出斑驳的光影图案。这组相片接管35毫米镜头搭配柯达Portra 400胶片摄制，浸润在金色光芒中的每一个细节——养蜂东谈主的手套、剔透的蜂蜜罐、饱经岁月的蜂箱木纹，都呈现出丰富而细巧的质感端倪

咫尺，Veo 2不错像电影影相师雷同和咱们交流。不消再劳作和它究诘技巧参数、计划Gemini的标题，唯有效俗例的术语说出想要的本质即可。

Veo 2生成的经典追车场景

另外，咱们还不错进行更精确的相机约束，比如下图便是一个包含第一东谈主称视角、转机焦点的指示。

不错看到，车内的皮革内饰、车速表等高频细节，给东谈主留住极其真切的印象。

通过东谈主类评估，Veo 2模子在与几大顶尖视频模子的对比中，脱颖而出。

它不单是是浮浅地生成视频，更是对现实寰球物理规矩、东谈主类动作，热枕方面得到了极致的意见。

对此，谷歌回想了新模子的三大亮点：

最初是， 增强的真的感和保真度。

相较于其他的AI视频模子，Veo 2在细节、真的感、伪影减少方面得到了权贵的矫正。

其次是，突出的畅通才能。

Veo 2能以精确的花式生成畅通画面，这主要归功于它对物理学的意见、和除名详备指示的才能。

第三个是，更遒劲的相机约束选项。

它能精说明识指示，创建各式拍摄作风、角度、畅通恶果，以及这些元素的组合。

关于创作家而言，Veo 2就像是一个无所不可的AI导演。你不错指定电影类型、镜头作风，以致是特定的电影技能，它齐可完好意思呈现。

比如这位在显微镜前科学家的面部特写。

富余电影感的镜头捕捉了一位身着暗黄色生化防备服的女大夫，实验室煞白的荧光灯将她的身影笼罩其中。镜头缓缓鼓舞她的面部特写，细巧的横向推移凸显出她眉宇间深深描述的忧想与惊恐。她专注地俯身于实验台前，耳不旁听地透过显微镜不雅察，手套包裹的双手正严慎地微调着焦距。通盘场景笼罩在压抑的色调之中，防备服呈现出令东谈主不安的黄色，与实验室冰冷的不锈钢器械相互烘托，无声地诉说着事态的严峻和未知的威迫。景深精确约束下，镜头瞄准她眼中露出的懦弱，完好意思传达出她肩负的紧要压力与包袱

再比如，一个从场景中间滑过的低角度跟踪镜头。

曙光徐徐升空，为这幅全心交代的早餐图景镀上一层平和的金边。金黄色的枫糖浆如丝绸般缓缓流淌，存眷地浇注在层层叠起的蓬松松饼上，每一派松饼都褭褭升空缕缕暖意盎然的水汽。特写镜头捕捉着金黄酥脆的培根，只见它滋滋作响，狭窄的油珠在阳光下化作金色光点轻歌曼舞。醇香的咖啡优雅地旋转注入通透的玻璃杯中，慢慢在杯中漾开重重叠叠的焦糖色咖啡奶泡。临了，镜头如潜水般俯入一枚刚切开的鲜橙，以轰动的微距视角展现出饱胀剔透、汁水四溢的果肉纹理

更令东谈主咋舌的是，Veo 2对专科术语的意见。

只需在指示中输入「18mm lens」，Veo 2就得知创建拍摄广角镜头，或在指示中加入「浅景深」（shallow depth of field）它便可婉曲布景，隆起主体。

不仅如斯，Veo 2很少有「幻觉」，比如AI视频中多出的手指问题。

沃顿商学院教学Ethan Mollick实测Sora时，解发放现水獭在飞机上使用WiFi的画面中，长出了东谈主类的手，非凡诡异。

望望Veo 2在双手细节的生成，炒股配资号称极致。

固然，Veo 2生成的视频，并非莫得短处。

它在创建传神、充满活力或复杂的视频，以及在复杂的体育场景中，难以保持一致性。

底下这位冰上舞者的双腿，在复杂的前进畅通中，出现了变形。

滑滑板的男孩，在空中翻越时，双腿双手出现了幻觉。

在安全性方面，谷歌为Veo 2加入了隐形的SynthID水印，有助于一眼识别是AI生成的本质。

咫尺，Veo 2已经登录VideoFX，瞻望来岁它将挫折YouTube Shorts等平台，为本质创作家开启全新的可能性。

底下共享了Veo 2更多优秀的demo：

操纵滑动检讨

Imagen 3：脸色亮堂，构图更精确

今天，备受期待的Imagen 3同期迎来了紧要升级。

此次升级的进步，号称改进性。最初是图像的合座质感，愈加亮堂，构图更为精确。

宛如著名漫画师创作的橙发仙女，像游戏设定一般雄伟的幻想寰球，难以分歧是AI如故相片的短长东谈主像（操纵滑动检讨）

在艺术作风的进展上，从相片级写实到印象派绘制，从抽象艺术到动漫作风，Imagen 3都能达成更为准确的规复。

其次，它能精确施行用户的指示词指示，呈现出更为细巧的细节和更丰富的纹理恶果。

在与其他顶级AI生图模子对决中，Imagen 3赢得了最优的东谈主工评估散伙。

Imagen 3生成的图像，在通盘作风上都得到了指示，包括相片写实目的、印象目的、动画和抽象目的。

特写镜头下，工匠的双手在陶轮上塑造着一件泛着光泽的陶器。金色的光芒如丝如缕，集会着陶艺师的手与黏土，跟着动作优雅流转。职责室内充满丰富的质感——布满器具的尘旧架子、洒落的陶土碎屑，以及透过木制百叶窗洒落的当然光束。光芒与能量的交汇营造出一种空灵、近乎魔幻的氛围

底下这种冬日雪地中红松鼠的特写，仿佛高清大片，不管是松鼠的外相、空中的雪花，如故布景中松针的虚化，都体现出了细节的根究。

特写镜头捕捉了一个冬日瑶池场景——柔嫩的雪花飘落在被雪遮蔽的丛林大地。在一根结霜的松枝后，一只红松鼠静静地坐着，它亮堂的橘红色外相在白色布景中特殊贵重。它捧着一颗榛子，享用好意思食时似乎全都漠视了周围飘落的雪花

在1940年代作风的欧洲火车站，一双恋东谈主半夜在火车前相拥，通盘场景让东谈主想起广大电影中的死别场景。

1940年代的欧洲火车站笼罩在晨雾中，雅致的铸铁拱门和蒙雾的玻璃窗勾画出车站的详细。蒸汽从铁轨上褭褭升空，与浓雾和会。一双恋东谈主在火车旁深情相拥，灰暗的琥珀色灯光将他们的躯壳勾画成剪影。行将起程的火车乍明乍灭，红色的尾灯在雾中逐渐淡去。女子身着淹没的红色外衣，紧执着一册小皮日志，须眉则衣着饱经霜雪的军装。空气中飘浮的尘埃在平和的金色背光中能干。通盘场景充足着忧伤而不朽的气味，令东谈主守望起战时电影中那些回想犹新的死别场景

浅景深拍摄的亚洲女子肖像，光影恶果一绝。

一幅亚洲女性的肖像，布景是幽绿的霓虹灯光，接管浅景深拍摄

超现实的场景，Imagen 3也能精确把执，比如底下这只草莓蜂鸟。通盘图像呈现出高分歧率的专科影相手法，景深约束让蜂鸟和花在虚化的布景中更显活泼。

一张精妙的微距素材相片，展现了一颗全心雕琢成蜂鸟步地的草莓，有血有肉地呈现出蜂鸟正在啜饮秀好意思管状花朵花蜜的已而，翅膀因快速振动而酿成婉曲的动感。布景是一派春色满园的彩色花圃，经过柔化贬责呈现出虚幻般的虚化恶果。图像细节丰富，接管浅景深拍摄，使草莓蜂鸟保持明锐显著的焦点，同期让布景当然平和。高分歧率的专科影相手法和平和的打光让通盘场景端倪分明，专科的颜色分级更凸显了画面的秀好意思颜色，创造出显著度极高的视觉恶果。精确的景深约束让蜂鸟和花朵在虚化的布景中更显活泼隆起

一拖一创，作风纵情定

不仅如斯，谷歌还推出了一个全新的尝试——生成式AI实验性样子Whisk。

以往，咱们都需要输入冗长、详备的翰墨指示来生成图像，Whisk澈底改换了这一步地，咫尺只用图像就可了。

把图片浮浅一拖，Whisk就能帮咱们创作。

在Whisk中，咱们不错通过上传图片，来界说主体、场景和作风，然后将它们重新搀杂，创造出我方特有的作品，比如数字玩偶、搪瓷徽章、雅致贴纸。

底下，你会看到遐想洞开的虚幻鱼、粉色花环海象、糖粉甜甜圈和长角的玄幻生物猫。

操纵滑动检讨

为什么用图像的prompt就能生图？

这是因为在系统底层，Gemini模子会自动为咱们上传的图片生成详备的文本，随后文本会被输入到Imagen 3中贬责。

而这照旧过，绝非浮浅地复制原图，而是要点索要主题的中枢特征，由此才能让咱们解放组合不同主题、场景和作风元素。

固然，由于Whisk只会索要图像中的几个要津特征，因此生成图像也可能会和咱们的预期不同。

你可能也看出来了，Whisk并不像传统的图像剪辑器，进行像素级的完好意思剪辑，而是一种新鲜的创意器具，让东谈主创造性地探索天马行空的想法。

就如谷歌所说，它的中枢价值，是解放尝试各式可能性，在各式创意花式中进行极致的探索，保留住我方最甘心的作品。