Veo 3 是 Google DeepMind 推出的 AI 视频生成模型，官方公告日期为 2025 年 5 月 21 日。根据官方网站介绍，这一代模型在视频质量与控制力上实现了显著提升，能够根据文本或图像生成具有电影感的视频，并自动匹配同步音频。
主要能力
- 文本生成视频与图像生成视频：输入文字提示或图像即可生成视频，无需剪辑技能。
- 同步音频生成：对白、音效与环境音可自动生成，并与画面内容对齐，官方称可由单条文本提示同时驱动画面与声音。
- 真实物理模拟：物体运动遵循现实世界的物理规律，例如篮球弹跳、液体流动、动量与重力表现更自然。
- 延长视频时长：支持生成最长 60 秒、1080p 分辨率的视频，并保持序列内的质量一致。
- 多镜头场景控制：支持多机位角度的复杂序列，并在多镜头间保持角色、光照与环境的一致性。
- 镜头控制精度：可指定镜头运动、角度与转场，提供专业摄影式控制。
- 多风格支持：官方称支持写实、电影与动漫风格，并在各格式下保持较高渲染质量。
使用方式 用户通过输入文本提示或上传图像来生成视频；平台自动完成画面与音频的生成。官方说明大多数视频会在数分钟内完成，具体取决于复杂度和队列长度，视频就绪后会收到通知。
适用场景 官方网站展示的案例包括：月光森林中猫头鹰与獾的对话场景、猫“演唱”歌剧、羽毛在风中飘舞并被蛛网挂住、纸船在雨水沟渠中航行等。这些示例体现了其在叙事短片、多镜头场景、带对白与环境音的自然场景生成方面的用途。官方FAQ明确表示生成的视频可商用。
限制与暂未提供的信息 官方网站未提供具体定价、免费额度、API 接入方式、支持的语言列表、单次生成的具体排队时长上限等信息，这些内容暂未提供。官方也未说明生成视频是否存在水印或内容审核的具体规则。
其他官方信息 Veo 3 被官方描述为“Google DeepMind 的 AI 视频生成突破”，定位为专业级 AI 视频生成器，强调物理模拟、同步音频与多镜头一致性方面优于早期的 Veo 研究演示。
