谷歌推出畫音同步的新一代AI視頻生成模型

谷歌公司的I/O開發(fā)者大會于不久前舉行。新一代視頻生成AI模型Google Veo3，無疑是最具話題性的新內(nèi)容。Veo3的最大亮點是能夠同時生成高質(zhì)量視頻與匹配的音頻內(nèi)容。這些內(nèi)容不僅包括背景音、音效、音樂，還能實現(xiàn)畫面精準對應口型的同步對白。在大會上，谷歌公司還展示了新的AI生成視頻工具Flow，并宣布與知名電影導演達倫·阿倫諾夫斯基（Darren Aronofsky）的合作計劃。

不少業(yè)內(nèi)人士認為，谷歌顯然“劍指”電影行業(yè)。

導演達倫·阿倫諾夫斯基剛剛啟動一項名為“原始湯”（Primordial Soup）的敘事項目。“原始湯”項目與谷歌旗下專注于人工智能和深度學習研究的DeepMind公司達成戰(zhàn)略合作伙伴關(guān)系，探索AI研究人員和電影人合作創(chuàng)作電影的新方式，并力求展示AI生成工具如何在藝術(shù)家的掌控下激發(fā)創(chuàng)意。該項目的首部作品《安茜斯特拉》（Ancestra）由埃莉莎·麥克尼特（Eliza McNitt）執(zhí)導，在不久前的2025年美國紐約翠貝卡電影節(jié)上首映。該片采取實景結(jié)合AI生成圖像的形式。

達倫·阿倫諾夫斯基在一份聲明中表示，“電影制作一直受到技術(shù)的推動。在盧米埃爾兄弟和愛迪生的開創(chuàng)性發(fā)明之后，電影制作人釋放了鏡頭的敘事力量。后來的技術(shù)突破，包括聲音、色彩、視覺特效等，使我們能夠以前所未有的方式講述故事。現(xiàn)在是探索一些屬于數(shù)字時代的新工具，并為未來做準備的時候了。”

谷歌實驗室的產(chǎn)品負責人托馬斯·伊利奇（Thomas Iljic）表示，正是影視創(chuàng)意人士的案例激發(fā)了Flow的開發(fā)，“過去的產(chǎn)品只能根據(jù)文本生成視頻，但我們還是看到了一些創(chuàng)作者生成的3到4分鐘短片，非常精彩，頗具創(chuàng)造力。這讓我們意識到，我們的工具已經(jīng)能夠成為藝術(shù)家手中的畫筆，而且有很大的發(fā)揮空間。在過去的6個月里，我們與這些AI短片創(chuàng)作者充分溝通，了解他們在擁有創(chuàng)意靈感并想要表達出來的時候，需要些什么，或者缺少些什么，進而針對這些需求完善產(chǎn)品。”

DeepMind創(chuàng)意總監(jiān)馬修·金·洛蘭（Matthieu Kim Lorrain）表示，在開發(fā)Veo 3時，公司與AI電影人和傳統(tǒng)電影人都進行了大量交流，“我們同創(chuàng)意人群中的不同受眾交流，包括很多傳統(tǒng)影視制作人群體。這些業(yè)內(nèi)頂尖的從業(yè)者擁有卓越的專業(yè)知識，但他們同樣會面臨棘手問題，而Veo 3可以為他們提供幫助。”