Veo 4 是一款多模态 AI 视频生成工具，官方将其定位为「真正可控的多模态 AI 视频模型」，核心主张是「参考任何内容、编辑任何内容、创建任何内容——并带原生音频」。
【主要能力】
- 多模态输入：可在单次生成中组合多种参考素材，包括图像、视频片段和音频文件，自由混合文本、图像、视频与音频来表达创意。
- 参考能力：可从上传内容中参考运动、特效、镜头运动、角色、场景和声音，用自然语言描述即可。
- 原生音频生成：在生成视频的同时生成唇形同步对白、拟音效果和背景音乐，无需额外工具或手动同步。
- 多镜头叙事：从单条提示词构建逻辑连贯的场景序列，角色、服装和光照在镜头切换间保持一致，支持 4–15 秒镜头，无需手动拼接。
- 一致性：在全视频中保持面部、服装、文字、场景和视觉风格的一致性。
- 运动与镜头复刻：上传参考视频即可复刻复杂编舞、电影级镜头运动和动作序列，无需详细提示词。
- 视频扩展与编辑：平滑扩展现有视频、合并多个片段或编辑特定片段，可替换角色、添加元素或修改动作，同时保留其余部分。
- 电影级质量：输出带同步音频的成品级内容，支持横版和竖版格式。
【使用方式】 官方给出的步骤为：
- 上传素材：上传图像、视频或音频文件作为参考，跨模态组合多个素材。
- 描述创意：用自然语言描述需求，可通过标记引用具体素材，例如「用 @image1 作为首帧，使用 @video1 的镜头运动，声音像 @audio1」。
- 生成与迭代：生成带原生音频的视频，再通过上传结果进行扩展、编辑或微调。
【适用场景】 官方列举的场景包括：广告与营销（参考成功广告模板，套用自有产品与品牌）；教育与培训（动画讲解、历史重现、互动学习材料）；创意叙事（参考电影技法、复刻电影风格、跨多镜头延展故事）；社交媒体内容（参考热门模板与特效）；运动与舞蹈视频（上传参考编舞或动作片段应用到任意角色）；视频编辑与扩展；影视预演（参考电影片段复刻镜头运动、转场与视觉效果）；房地产与建筑（将房产照片转为沉浸式虚拟导览）；音乐与音频同步（上传音轨生成节拍同步视频）。
【限制与未提供信息】 现有资料未提供具体的定价金额、各套餐详细内容、支持的具体分辨率、视频长度上限等参数，这些内容需以官方页面公布为准。官方页面提及提供多种套餐且所有套餐均包含核心功能，年付可节省 50%，但未列出具体价格。资料也未说明生成视频是否带水印、隐私安全的具体措施等细节，FAQ 中虽列出相关问题但未给出答案。
