1. AI 视频生成竞赛的现状:VEO 3.1 与 Sora 2 的对比 [0]

thumbnail
  1. 目前,谷歌似乎在 AI 视频竞赛中输给了 OpenAI [0]。
  2. 将 VEO 3 和 Sora 2 进行比较,OpenAI 正在获胜 [1]。
  3. Sora 2 的优势包括:
    1. 生成较长的电影级片段,通常为 10 到 15 秒或更长 [2]。
    2. 具有逼真的物理效果和强大的音频同步 [2]。
    3. 对话与唇部动作实际匹配 [2]。
  4. VEO 3 的劣势包括:
    1. 片段长度限制在 8 秒 [3]。
    2. 角色在镜头之间会变形 [4]。
    3. 提示词(Prompts)有时会被忽略 [5]。
  5. Reddit 用户对此表示不满,有人认为 V3 在真实感和物理效果方面已经过时 [6]。

2. VEO 4 的内部测试与发布预测 [8]

thumbnail

2.1. VEO 4 的内部状态与预期发布时间 [8]

  1. VEO 4 已经在内部测试中 [8]。
  2. 行业内部人士声称,VEO 4 目标在 2025 年 12 月 发布 [9]。
  3. 匿名消息来源称,VEO 4 将远超 Sora 2 的水平 [9]。
  4. VEO 2 于 2024 年 12 月发布,VEO 3 于 2025 年 5 月发布,间隔为 5 个月 [101]。
  5. 如果谷歌保持这个速度,VEO 4 应该已经宣布,因此下一个现实的窗口是 年底 [104]。
  6. 2025 年 12 月与谷歌之前的发布时间(V2 在 12 月发布)一致 [105]。
  7. 2025 年 12 月 仍然是最有可能的目标日期 [107]。
  8. 另一种可能是 2026 年 5 月 的 Google IO 大会 [108]。
    1. 但这会造成比正常更长的间隔 [110]。
    2. 在竞争加剧的情况下,谷歌可能无法承受等待这么久 [110]。
  9. V.io IO 报道,行业传言表明 VEO 4 正在内部测试,目标是 12 月发布 [112]。
  10. Pippet.ai 提到 Reddit 帖子引用了 Sundar Pichai 确认 VEO 4 在 12 月发布的说法,但这些来源未经证实 [113]。
  11. Overchad.ai 补充说,Sora 2 已经超越 VEO 3 的质量,这可能会促使谷歌提前发布 [114]。

2.2. 竞争压力对谷歌时间线的影响 [115]

  1. Sora 2 已经上线,在评论中获胜,并正在抢占市场份额 [116]。
  2. 谷歌每等待一个月,OpenAI 就会巩固其领先地位 [119]。
  3. 谷歌过去曾因竞争压力加速时间线 [121]。
    1. 他们加速发布了 Gemini 1.5,因为 GPT-4 占据主导地位 [122]。
    2. 他们将 Bard 迭代为 Gemini,因为 ChatGPT 是默认的 AI 助手 [123]。
  4. 如果 VEO 4 在 2025 年 12 月发布,谷歌仍能保持竞争力 [125]。
  5. 如果推迟到 2026 年 5 月,Sora 2 将有 5 个月时间迭代和主导话语权 [126]。
  6. 作者认为 2025 年 12 月 是可信的,因为节奏支持、竞争要求和泄密的一致性 [127]。

3. VEO 3.1 的基准、优势与痛点 [14]

thumbnail

3.1. VEO 3.1 的当前状态和优势 [14]

  1. VEO 3.1 可以生成具有同步音频的视频 [15]。
    1. 脚步声与动作匹配 [16]。
    2. 开门时有吱吱声 [17]。
  2. 它比大多数竞争对手更好地处理复杂的提示 [18]。
  3. 它能在 8 秒的窗口内保持场景一致性 [19]。
  4. 谷歌的 Video FX 界面 干净且易于访问 [20]。
    1. 用户不需要编写代码或接触 API [21]。
    2. 它是一个在 Google Labs 内部的网络工具,正在稳步向更多用户推出 [22]。
  5. VEO 3.1 曾因在 TikTok 上欺骗了数百万人的 大脚怪视频 而成为头条新闻 [23]。
    1. 《时代》杂志报道了错误信息风险,因为输出看起来非常真实 [24]。
  6. 谷歌的 生态系统优势 是真实的 [25]。
    1. VEO 与 Google Drive、Photos 和 Workspace 集成 [26]。
    2. 对于已经在谷歌生态系统中的用户,工作流程是无缝的 [27]。

3.2. VEO 3.1 的主要痛点和限制 [28]

  1. 片段长度限制:VEO 3 限制在 8 秒 [29]。
    1. 超过 8 秒后,不一致性开始出现 [30]。
    2. 角色漂移、物体消失、光线变化 [31]。
    3. Reddit 用户讨论称,用 8 秒片段制作 60 分钟的 AI 电影需要大量时间和预算 [32]。
  2. 角色一致性 是另一个痛点 [34]。
    1. 无法在多次生成中保持同一角色 [35]。
    2. 没有面部上传或风格连续性 [36]。
    3. 每一次生成都是一次随机尝试 [37]。
  3. 提示词遵循性 不一致 [38]。
    1. 要求特定摄像机角度时,V3 可能会忽略 [39]。
    2. 描述光线时,它会进行创造性解释(即错误) [40]。
  4. 渲染时间慢:每个片段需要几分钟 [41]。
    1. 对于迭代项目,等待时间会迅速累积 [42]。
  5. 缺乏时间线控制:消费者工具中没有多场景故事板功能 [43]。
    1. 用户仍然一次生成一个 8 秒片段,然后寄希望于最好结果 [44]。

4. Sora 2 的领先优势和社区反馈 [45]

thumbnail
  1. Sora 2 生成的片段长度是 VEO 3 的两倍多 [46]。
  2. 物理效果 扎实 [47]。
    1. 物体遵守重力,碰撞看起来真实 [48]。
    2. 角色行走时,脚步声和阴影移动自然 [50]。
  3. 音频同步 紧密 [51]。
    1. 对话与唇部动作匹配 [52]。
    2. 音效在正确时刻触发 [53]。
  4. 环境音频 适应性强 [61]。
    1. 隧道中有回声,封闭房间内有寂静 [62]。
  5. Reddit 社区意见不一,但共识是 Sora 2 在 真实感和控制力 方面领先 [63]。
  6. V3 拥有生态系统优势,但双方都同意 V4 需要实现巨大的飞跃 [68]。

5. 赞助商内容:Lalai 音频工具介绍 [70]

thumbnail
  1. 作者在使用 AI 生成音频或画外音时,经常遇到声音不干净的问题 [70]。
  2. Lalai 赞助了本视频,作者已使用其平台数月 [74]。
  3. Lalai 拥有 AI 驱动的音频工具套件 [80]。
  4. 最常用的是 Voice Cleaner [81]。
    1. 它自动移除背景噪音、回声和混响 [82]。
    2. 还有专门的回声和混响移除器,适用于声学效果差的房间录音 [83]。
    3. 处理过程大约需要 10 秒 [85]。
  5. Lalai 还有 Stem Splitter [93]。
    1. 它可以将音频分离成 10 个不同的轨道,包括人声、鼓、贝斯、钢琴、吉他等 [93]。
    2. 这对于编辑音乐、播客或视频来说是颠覆性的 [94]。
  6. 他们最近发布了 Andromeda,这是一个新的神经网络 [95]。
    1. 它使音轨分离速度提高 40%,结果更清晰,伪影更少 [95]。
  7. 该工具可以为内容创作者节省数小时时间 [96]。
  8. Lalai 提供免费试用,链接在描述中 [97]。

6. VEO 4 的所有传闻功能(泄密与预期) [130]

thumbnail

6.1. 核心功能升级:时长、多角度与实时编辑 [132]

  1. 15 到 30 秒片段生成 [132]
    1. 这是所有人期望的最大升级,VEO 3 限制在 8 秒 [133]。
    2. VEO 4 可能会推高到 15-30 秒,匹配或超过 Sora 2 [135]。
    3. 这是行业标准预期,因为 8 秒不足以讲述故事 [136]。
    4. Overhat.ai 和 Feed.io 均报道 V4 可能会增加到 15-30 秒或更长 [140]。
    5. 如果 V4 没有 15-30 秒的片段,它将是“出师未捷身先死” [142]。
  2. 多角度生成 [144]
    1. 这是视觉上最引人注目的传闻功能 [145]。
    2. 只需输入一个提示,即可同时获得同一场景的多个摄像机角度 [146]。
    3. Pippet.ai 描述了从多个角度生成场景的能力 [147]。
    4. Overchad.ai 和 V.IO 证实 VEO 4 可能会同时生成同一场景的多个摄像机角度 [149]。
    5. 如果属实,这将是区别于 Sora 2 的独特优势 [150]。
    6. 对电影制作人来说,这是一个颠覆性功能,可以在几分钟内完成场景故事板 [152]。
    7. 挑战在于技术难度高,需要完美的空间理解和一致性 [155]。
    8. 如果 V4 成功实现,将是革命性的;如果半成品,则只是噱头 [157]。
  3. 生成过程中的实时编辑 [159]
    1. 这是最具革命性的说法 [160]。
    2. 传闻 V4 允许在视频生成时进行修改,例如实时调整光线 [161]。
    3. Pippet.AI、Overchad.ai 和 V.IO 均报道了实时编辑的传闻 [163]。
    4. 这将把 AI 视频从“生成并希望”转变为真正的 协同创作 [165]。
    5. Argle.ai 认为这是一种要求,创作者应该能够与 AI 共同创作 [167]。
    6. 如果实现,将彻底改变工作流程 [170]。
    7. 作者对此表示怀疑,因为实时编辑计算成本高昂 [171]。
    8. 这更像是 V5 的功能,但传闻一直存在 [174]。

6.2. 质量与控制改进:一致性、提示理解和音频同步 [175]

  1. 语音克隆和头像插入 [175]
    1. 这与 Sora 2 的功能相匹配 [176]。
    2. 用户可以上传面部照片和语音样本,以虚拟版本出现在生成的视频中 [177]。
    3. Sora 2 已经具备此功能,如果 V4 没有,将是功能差距 [181]。
    4. 创作者需要个性化视频,这是 必备功能 [183]。
    5. 语音克隆同样重要,需要同步的、听起来像用户的自然语调对话 [187]。
    6. Argle.ai 认为 VEO 3 的个性化是弱点,VEO 4 需要修复 [192]。
  2. 改进时间一致性 [196]
    1. 这是创作者抱怨的痛点:角色、光线和摄像机动作需要保持一致 [197]。
    2. VEO 3 在此方面挣扎,例如角色面部或光线突然变化 [199]。
    3. Pippet.ai、Overhat.ai 和 V.I.O 均报道 VEO 4 预计将加强时间一致性 [203]。
    4. 土耳其导演的案例研究表明,V3 的角色一致性是噩梦 [206]。
    5. 如果 V4 不解决时间一致性问题,专业创作者将不会采用 [210]。
  3. 更好的提示理解 [212]
    1. V3 有时会错过指令,例如忽略特定的摄像机角度 [213]。
    2. V.IO 称 V4 有潜力准确执行所有指令,理解细微的电影摄影请求 [216]。
    3. Pippet.ai 描述了机制:模型可能将提示分解为更小的部分(动作、情绪、运动、时间) [218]。
    4. 如果 V4 能解析复杂的提示,提示遵循性将显著改善 [220]。
    5. 这是一个信任问题,不信任模型的创作者会转向 Sora 2 [221]。
  4. 改进音频同步 [223]
    1. V3 已经有基本的音频同步(脚步声匹配、开门声) [224]。
    2. 但环境音频和对话时间需要改进 [226]。
    3. Pippet.ai 称 VEO 4 可能会修复这些问题,实现适应环境的回声和自然的语音时间 [227]。
    4. Softlist.io 补充说,DeepMind 正在推动自然声音、对话生成和动态音景 [229]。
    5. 如果 V4 具备真正的环境音频适应性,将缩小与 Sora 2 的音频能力差距 [232]。

6.3. 商业与生态系统功能 [234]

  1. 商业许可 [234]
    1. 这是一个商业模式功能,对专业人士很重要 [235]。
    2. 创作者需要知道他们可以合法地将生成的视频用于商业广告和变现内容 [235]。
    3. V4 AI 可能会包含商业使用许可 [236]。
    4. 如果 V4 发布时没有明确的商业许可,专业人士将不会使用 [237]。
    5. Sora 2 的许可透明,V4 需要匹配或超越它 [238]。

7. Gemini 3.0 集成潜力与谷歌的长期战略 [241]

thumbnail
  1. Gemini 3.0 集成 可能是 VEO 4 的隐藏优势 [241]。
  2. 想象 Gemini 充当 创意总监 [242]。
    1. 它解释高级目标,分解成镜头,并自主调用 VEO 4 执行每个镜头 [242]。
  3. 例如,输入“创建 90 秒的产品演示” [243]。
    1. Gemini 规划镜头、编写提示、重复调用 V4、排序片段并添加过渡 [244]。
    2. 用户从一个高级指令得到一个完成的视频 [245]。
  4. 这是将 Agentic AI 应用于视频生成 [246]。
  5. Sora 2 没有此功能,OpenAI 的模型是独立工具 [247]。
  6. 谷歌的生态系统(Gemini 3 负责推理,VEO 4 负责执行)可以将视频生成转变为 自动化故事讲述 [249]。
  7. 这是谷歌的长期战略 [250]。

8. AI Master Pro 推广与 VEO 4 的潜在风险 [251]

thumbnail

8.1. AI Master Pro 推广 [251]

  1. AI Master Pro 正在整合对 VEO、Nano Banana、Sword 2 Pro 等工具的直接访问 [253]。
  2. 它还提供提示创建器,帮助用户在一个地方学习和使用 AI [254]。
  3. AI Master Pro 帮助用户应对每周都有新模型发布的混乱局面 [255]。
  4. AI Master Agent 经过最新 AI 和教程的训练,可以即时提供模型差异的分析 [259]。
  5. 用户还可以访问完整的 AI Master Method 课程,教授如何构建工作流程 [262]。
  6. 目前前 1,000 名会员可享受年度订阅 24% 的折扣 [265]。

8.2. VEO 4 的成本、审查和竞争风险 [267]

  1. 成本问题:更长的视频意味着更高的成本 [267]。
    1. 如果 V4 达到 30 秒片段,计算负荷将急剧增加 [268]。
    2. Overhat.ai 指出,这可能需要 V3 8 秒生成能力的四倍 [269]。
    3. 社区讨论认为成本是独立创作者的重大障碍 [270]。
    4. 如果 V4 定价过高,只有大型工作室会使用 [271]。
    5. 谷歌需要匹配 Sora 2 的可访问定价 [272]。
  2. 社区怀疑和审查 [274]
    1. Reddit 对 V4 尤其持怀疑态度 [274]。
    2. 有用户担心审查制度从 V2 到 V3.1 增加 [275]。
    3. 谷歌的规模是一把双刃剑:资源多但行动缓慢、官僚且厌恶风险 [277]。
    4. OpenAI 快速发布和迭代,而谷歌发布产品后数月才推出 [279]。
    5. 如果 V4 比 V3 审查更严格,创作自由将受损 [281]。
    6. 如果谷歌推迟到 2026 年 5 月,竞争势头将永久转向 OpenAI [282]。
  3. 长期角色一致性 [283]
    1. VEO 3.1 提高了稳定性,但长期角色一致性仍是主要弱点 [284]。
    2. 如果 VEO 4 不能在多次生成中提供稳定、可重复的角色,专业采用将停滞 [285]。

8.3. 错误信息风险与监管需求 [287]

  1. 错误信息问题 是一个更大的问题 [287]。
  2. 《时代》杂志调查发现 VEO 3 可以生成令人信服的逼真假新闻和虚假事件 [288]。
  3. 谷歌在《时代》联系后才添加了可见水印 [289]。
  4. 监管机构正在引入 AI 标签规则,但执行不一致 [290]。
    1. TikTok 要求标签,但创作者很少应用,因为标签会损害表现 [291]。
  5. 如果 VEO 4 更加逼真,错误信息风险将升级 [292]。
  6. 谷歌需要强大的水印、审核工具和透明的 来源追踪 [293]。
  7. 否则,监管反弹可能会限制 V4 的分发 [294]。
  8. Reddit 上更悲观的观点认为,这将是“世界的终结” [296]。
    1. 视频证据将被摧毁,信息将彻底崩溃 [300]。
  9. 有人担心 AI 视频工具可能实现深度伪造,使假事件几乎无法大规模揭穿 [301]。
  10. 如果 V4 使超逼真视频变得廉价和快速,对在线内容的信任将崩溃 [304]。
  11. 在这种情况下,水印和来源追踪是防止信息混乱的唯一手段 [305]。

9. VEO 4 击败 Sora 2 的潜在途径与挑战 [307]

thumbnail

9.1. 谷歌的战略优势 [307]

  1. 时机 是最大的战略风险 [307]。
    1. 如果 VEO 4 在 2025 年 12 月发布,谷歌保持竞争力 [308]。
    2. 如果推迟到 2026 年 5 月,Sora 2 将有 5 个月时间主导 [309]。
  2. 数据规模:谷歌拥有 YouTube 视频库、Google Photos 和数十亿索引片段 [314]。
    1. 数据优势意味着更好地理解复杂提示、更少的视觉伪影和更丰富的场景多样性 [316]。
  3. YouTube 集成:这是 Sora 不具备的分发优势 [317]。
    1. 想象在 V4 中生成视频后一键发布到 YouTube,并自动生成元数据和缩略图 [318]。
    2. 这是 生态系统锁定 [320]。
  4. 多角度生成:如果属实,这是一个独特的差异化因素 [321]。
  5. 生态系统锁定:Workspace、Drive、Photos 等 [324]。
    1. VEO 4 可以无缝融入谷歌用户的工作流程 [326]。
    2. Sora 2 是独立工具,V4 是平台的一部分 [327]。
  6. Reddit 用户推测 V4 可能限制更少,具有疯狂的物理效果和真实感,以及 15-30 秒片段和语音克隆 [329]。
    1. 如果属实,创作自由可能扭转局面 [330]。

9.2. Sora 2 仍然领先的领域 [331]

  1. 物理真实感 [331]
    1. Sora 2 使物体遵守重力,碰撞和光线准确,阴影自然移动 [332]。
    2. V3 在此方面挣扎,除非 V4 实现巨大飞跃,否则 Sora 2 仍将领先 [335]。
  2. 经过验证的记录 [337]
    1. Sora 2 已经上线,正在被数千名创作者测试,错误正在修复,功能正在迭代 [338]。
    2. V4 仍是传闻,信任是通过交付而非承诺赢得的 [342]。
  3. 更快的迭代周期 [344]
    1. OpenAI 每周发布更新,谷歌每季度发布更新 [345]。
    2. 速度在 AI 领域很重要 [347]。

10. 结论与未来展望 [349]

thumbnail
  1. VEO 4 可以缩小差距 [349]。
    1. 如果它具备 15-30 秒片段、多角度生成、改进的时间一致性和头像插入,它将具有竞争力 [350]。
    2. 如果它与 Gemini 3.0 集成以实现 Agentic 工作流程,它可以在创意自动化方面超越 Sora 2 [351]。
  2. 但“远超 Sora 2 水平”是炒作,谷歌需要证明这一点 [352]。
  3. Sora 2 已经发布,OpenAI 拥有明显的先发优势,谷歌仍在追赶 [354]。
  4. 赢家取决于三个因素:功能执行、定价和速度 [355]。
  5. 真正的赢家是用户,这场军备竞赛意味着工具将更快地指数级改进 [358]。
  6. 一年前,AI 视频生成还是新奇事物 [363]。
  7. 现在,人们正在讨论 30 秒片段、多角度生成和实时编辑 [364]。
  8. 在 12 个月内,这些工具将与专业摄像作品无法区分 [365]。
  9. 正如 Sundar Pichai 所说,使用 AI 视频工具将很快像使用 Google Docs 一样普遍 [366]。
  10. 如果谷歌兑现承诺,AI 视频竞赛将不再关乎真实感 [368]。
  11. 它将关乎 智能、生态系统集成和创意自动化 [369]。
  12. 作者将在 VEO 4 发布的第一天进行测试和全面功能分解 [371]。