Google DeepMind本月初发布Veo 2，更新了Image 3，并推出实验项目，旨在挑战Meta和OpenAI Sora。Veo 2提升了对物理世界和人类行为的理解，增强影片细节和真实性，并理解电影摄影语言，能生成4K分辨率、2分钟的影片，优于Sora。用户通过指定文类、镜头和效果，生成特定风格的影片，并能根据镜头提示生成广角或浅景深效果。Veo 2在用户偏好和提示遵从度上优于其他模型，幻觉问题也大幅降低。Image 3则能生成更明亮、构图感更强、艺术风格更多样的图片。Google还推出了实验工具Whisk，结合Image 3和Gemini模型，实现更丰富的图像生成。

🎬Veo 2 影片生成模型：它能生成最高4K分辨率、2分钟的影片，理解电影摄影语言，可根据用户指令生成特定镜头和效果，例如低角度平移或浅景深。其在用户偏好和提示遵从度上优于其他模型。

🖼️Image 3 图片生成模型：新版Image 3能更准确渲染多种艺术风格，产出细节和质感更丰富的图片，并更忠实反映提示要求。它也具备更明亮、构图感更强的特点。

🧪Whisk 实验工具：它整合了Image 3和Gemini模型，用户可上传或生成图片，Gemini会自动撰写描述，并将此作为提示，让用户混合产生新的主题、场景或风格的图像。

在本月初測試影像生成模型Veo後，Google DeepMind周一再公布Veo 2版、更新版圖片生成模型Image 3以及實驗計畫，挑戰Meta和OpenAI Sora。Google說Veo 2提升了對實體世界物理作用和人類運動和表情細微差異的理解力，可增進影片的細節和真實性。它也理解電影攝影獨特語言，用戶只要指定文類、鏡頭以及想要的影像效果。例如用戶可以要求從場景中間以低角度平移追蹤，或一位科學家觀看顯微鏡的臉部特寫。它也能根據用戶輸入18mm鏡頭的提示要求生成常用此類鏡頭的廣角影像，或是輸入「淺景深」，它會將背景模糊，將焦點集中在主題上。Veo 2最高能生成一部最高4K（4096 x 2160）解析度畫質，最長2分鐘的影片。這個能力是OpenAI Sora影片最高解析度的4倍，長度則超過6倍。Sora最高可生成1080p、20秒的影片。根據Google提供的由千名使用者評估，Veo 2和其他模型如Meta MovieGen、Sora Turbo生成的影片和提示，Veo 2在整體偏好及提示遵從度，都超過其他模型。Google並說Veo 2雖然還是有幻覺問題，但頻率大為降低。Google今天開始謹慎部署Veo 2給用戶。除了在Vertex AI上線，Google也推出新的Google Labs影像生成服務VideoFX及新的實驗專案Whisk上線逐步開放給創作者。目前僅支援720p和8秒影片生成。和Google之前的影片和圖片生成模型一樣，Veo 2輸出成果都會包含SynthID浮水印以表明是AI生成物，藉此防止假訊息。Google DeepMind也升級了Image 3，現在可生成更明亮、更具構圖感的圖像。它現在能更準確渲染更多樣化的藝術風格——從寫實主義到印象派、抽象藝術或到動漫風。新版Image 3也更能忠實反映提示要求，產出細節和質感更豐富的圖片。對Veo2有興趣的用戶可以在Google Labs加入等候清單等待存取權限。Google計畫明年將Veo 2擴大應用到YouTube Shorts及其他產品。Image 3更新版則已在100多個國家部署，於Google Labs下的圖片生成工具ImageFX上線。最後，Google Labs還推出了新的實驗工具，名為Whisk，可生成具更豐富表達力的圖片。它整合了Image 3和具備視覺理解和描述能力的Gemini模型。用戶可上傳或生成圖片，Gemini會自動撰寫詳細描述，再把這段文字作為提示送給Image 3，讓用戶得以混合產生新的主題、場景或風格的圖像。Whisk今天在美國上線。