谷歌的旗舰AI研究实验室Google DeepMind周一大幅升级其人工智能驱动的内容生成工具，推出了Veo 2视频生成模型和增强版Imagen 3图像模型，挑战OpenAI在AI图像和视频生成的领先地位。谷歌表示，这些更新有望彻底改变创意工作流程，为视频和图像创作者提供更高的真实感和定制化体验。谷歌的旗艦AI研究實驗室Google DeepMind週一大幅升級其人工智能驅動的內容生成工具，推出了Veo 2視頻生成模型和增強版Imagen 3圖像模型，挑戰OpenAI在AI圖像和視頻生成的領先地位。谷歌表示，這些更新有望徹底改變創意工作流程，爲視頻和圖像創作者提供更高的真實感和定製化體驗。
作者：趙雨荷
來源：硬AI
谷歌的旗艦AI研究實驗室Google DeepMind週一大幅升級其人工智能驅動的內容生成工具，推出了Veo 2視頻生成模型和增強版Imagen 3圖像模型，挑戰OpenAI在AI圖像和視頻生成的領先地位。谷歌表示，這些更新有望徹底改變創意工作流程，爲視頻和圖像創作者提供更高的真實感和定製化體驗。
谷歌介紹，Veo 2是谷歌的視頻生成工具，能夠生成多樣化主題和風格的高質量視頻。谷歌在博客中表示，這款模型在真實感方面表現卓越，能夠捕捉到人類表情和電影效果等細節。其增強的物理和電影學理解能力使用戶能夠生成令人驚歎的內容，包括跟蹤鏡頭和廣角構圖等。
例如，Veo 2熟悉電影拍攝語言，用戶可以要求某種類型的風格，指定鏡頭，建議電影效果，Veo 2都會以高達4K分辨率並延長到數分鐘的視頻長度來呈現。比如，要求「低角度跟蹤鏡頭穿越場景中央」或「特寫科學家通過顯微鏡觀察」的鏡頭，Veo 2都能實現。提示「18mm鏡頭」，Veo 2知道生成廣角鏡頭；要求「淺景深」，它會模糊背景，突出主體。
值得注意的是，這一分辨率是OpenAI Sora模型的4倍，視頻時長更是其6倍以上。
不過，目前這些優勢仍是理論上的。在谷歌的實驗性視頻創作工具VideoFX中，Veo 2生成的視頻被限制爲720p分辨率、8秒的長度。（相比之下，Sora的最大輸出爲1080p、20秒的短片。）
谷歌表示，雖然視頻生成模型往往會「幻象化」出不需要的細節，例如多餘的手指或意外的物體，但Veo 2在這一方面的表現更爲真實，生成錯誤的頻率較低。
此外，Veo 2生成的視頻包括不可見的SynthID水印，用於標記它們爲AI生成的內容，從而減少誤用或錯誤歸屬的風險。
DeepMind產品副總裁Eli Collins對媒體表示，隨着模型逐漸具備規模化使用的準備，谷歌將通過其Vertex AI開發者平台提供Veo 2。
「未來幾個月，我們將根據用戶反饋持續迭代，並尋求將Veo 2的更新能力整合到谷歌生態系統中的相關應用中……我們預計明年會分享更多的更新內容。」
開發者和創作者目前可以通過谷歌實驗室（Google Labs）訪問該工具，預計到2025年，它將廣泛集成至諸如YouTube Shorts等平台。
同時，Imagen 3模型在圖像構圖和細節準確性方面得到了增強，支持從寫實到抽象的各種風格，能夠生成更豐富的紋理，並更加忠實地回應用戶提示。
目前，Imagen 3已經通過谷歌實驗室的ImageFX工具在100多個國家上線，全球用戶可以試驗其尖端功能。
此外，谷歌還推出了Whisk，這是一款結合了Imagen 3和Gemini視覺分析能力的創意工具。用戶可以輸入圖像，生成詳細的文字描述、重新混合風格，或設計個性化作品，如數字玩偶或搪瓷徽章。
谷歌介紹，Whisk結合了Imagen 3模型和Gemini的視覺理解與描述能力。Gemini模型會自動爲用戶的圖像生成詳細的文字描述，並將這些描述傳遞給Imagen 3。這一過程讓用戶能夠以有趣的新方式重新混合主題、場景和風格。
本文來自微信公衆號「硬AI」，關注更多AI前沿資訊請移步這裏
