共计 1056 个字符，预计需要花费 3 分钟才能阅读完成。
最近，OpenAI 在视频生成领域掀起了一波浪潮，推出了 Sora Turbo，这是他们先进的文本到视频生成模型，专为 ChatGPT Plus 用户提供。这一举动无疑提高了行业的标准。现在，Google 也不甘示弱，准备通过发布其最新的视频生成器 Veo 2 来迎战。
就在周一，Google 正式推出了 Veo 2，这是一个文本到视频的生成器，据称在之前的模型基础上有了显著的改进。特别是，它更好地理解了现实世界的物理学，这让生成的视频更加细致和真实。你能想象吗？生成的视频甚至可以达到 4K 分辨率！而且，它还能解决一些常见的视频生成问题，比如那些让人头疼的多余手指的幻觉问题。
在与其他领先视频模型（如 Sora Turbo、Kiling v1.5 和 Meta Movie Gen）的对比中，Veo 2 在整体性能和提示遵循方面表现尤为突出，得到了人类评分员的高度评价。
不仅如此，Veo 2 还懂得电影摄影语言，比如特定类型、镜头或角度。举个例子，如果你说“浅景深”，它就知道要模糊背景，突出主体。下面的视频就是用一个特别指定的镜头创建的，“使用柯达 Portra 400 胶片上的 35mm 镜头拍摄”。
现在，这个模型已经向公众开放，你可以在 Google Labs 的 VideoFX 中体验。不过，目前还是需要填写一个早期访问等待名单表格，提供一些基本信息，比如年龄、姓名、居住地、相关工作，以及你是怎么听说它的。Google 表示，提交的内容会滚动审核，所以耐心等待吧。
此外，Google 还分享了其 Imagen 3 图像生成模型的改进，声称可以生成“更明亮和更好的构图”的图像。改进后的模型能够生成更多样化的风格，并且输出具有更高提示忠实度、更丰富细节和纹理的图像。
从今天开始，这个版本的 Imagen 3 将通过 Google Labs 的 ImageFX 向公众推出，与 VideoFX 不同，它不需要等待名单，可以直接体验。之前的 Imagen 3 版本已经非常强大，在 ZDNET 的 2024 年汇总中被评为最佳 AI 图像生成器。
最后，Google 还推出了一个新实验工具 Whisk，也可以在 Labs 中使用。这个工具允许用户创建图像——或者输入自己的图像——并将其转换为毛绒玩具、别针或贴纸风格的新图像。它利用了 Imagen 3 和 Gemini，为你的图像创建详细的描述，这些描述被输入到 Imagen 3 中以创建最终产品。
总的来说，Google 这次推出的 Veo 2 和 Imagen 3 的改进，无疑为 AI 生成领域带来了新的可能性。如果你对这些新技术感兴趣，不妨去 Google Labs 试试看，说不定会有意想不到的惊喜呢！
