摘要：更方便的是，它接了GeminiAPI和VertexAI，普通人在Flow或者Gemini里就能用，不用搞复杂的代码。

谷歌凌晨悄悄更新了Veo3.1，就是那个能生成AI视频的旗舰模型。

这次更新主打“导演级”控制，能定首尾帧、参考多图，还能把视频拉长到148秒，画质也到了1080p。

更方便的是，它接了GeminiAPI和VertexAI，普通人在Flow或者Gemini里就能用，不用搞复杂的代码。

我早上看到消息就赶紧试了试，用“威尔斯吃面”这个特简单的提示词生成视频，画面确实比之前流畅，面条的动作没那么僵硬了。

后来又试了首尾帧功能，提示词写“奥特曼最后像钢铁侠一样飞走”，开头放奥特曼站着的图，结尾放飞起来的图，中间过渡得还挺自然，就是奥特曼的披风有点飘，看着不太真实。

Veo3.1这波升级最有用的就是首尾帧控制，以前用AI生成视频，经常不知道它会跑偏到哪去，比如想拍“人坐在沙发上看书”，结果AI可能把沙发变成桌子。

现在定了首尾帧，至少开头和结尾能按自己的想法来，中间的转场也还算顺滑。

它还支持多图参考，比如我上传一张餐桌图、一张人物图，AI能把两者合成“人在餐桌前吃饭”的场景，还会自动配环境音，比如碗筷碰撞的声音。

不过音画同步也就那样，有时候声音会慢半拍，而且不能自己加BGM，想做个有专属音乐的视频，还得后期再剪。

时长方面，基础版只有4秒、6秒或8秒，想用更长的得开Extend功能，最多能到148秒。

本来想试试做个1分钟的小故事，但后来发现得分段生成。

每段不超过30秒，拼起来的时候偶尔会有背景色调不一样的情况，比如上一段还是暖光，下一段突然变凉光，还得手动调参数，挺麻烦的。

1080p的画质在短视频里够用了，发YouTubeShorts都没问题，但跟Sora2的4K比还是差了点。

而且遇到复杂场景，比如多个人对话，人物表情就容易露馅，有的时候眼睛会飘向镜头外，看着像没对焦一样，物理效果也一般，比如杯子掉在地上，不像真的摔碎，倒像飘着落地。

功能再强，普通人用得上才有用，这就不得不提谷歌的Flow平台了。

Flow是5个月前推出的，靠Veo驱动，现在已经生成了超2.75亿个视频。

我打开它的网页（labs.google/flow/about）试了下，不用下载软件，注册个谷歌账号就能新建项目，步骤也就三步：输提示词、选时长、点生成，几分钟就能出结果，对新手挺友好的。

Flow还有个FlowTV功能，像个小电视台，能换台看别人做的视频。

里面分了好多频道，比如“感到可爱”“碰撞测试”“打招呼”，我翻了翻“感到可爱”频道，全是宠物视频，比如小猫玩毛线、小狗拆家，点赞还不少。

不过复杂点的内容就少了，比如ShortFilms板块，专门放用户做的微电影。

现在只放出3部，其中一部叫《FreeLancers》，讲两个杀手兄弟被雇来杀对方，剧情挺有意思，但据说用了8段视频才拼起来，普通人想做这么复杂的，估计得花不少时间。

我问了身边几个玩Flow的朋友，他们大多用它做简单的社交内容，比如给朋友做生日祝福视频，或者拍点日常场景的AI版，很少有人做长视频。

主要是分段生成太费劲儿，而且人物和场景的连贯性不好把控，稍微不注意就会穿帮，比如上一段人物穿红衣服，下一段可能变成蓝衣服。

大家最关心的还是Veo3.1能不能打过Sora2，Sora2不用分段就能做60秒视频，人物动作更自然，连微表情都能做出来，物理效果也更真实，比如下雨的时候，雨滴落在身上的样子跟真的一样。

Veo3.1也就首尾帧控制比Sora2好点，其他方面还是“功能小升级”的感觉，不算质的突破。

不过谷歌应该也没打算靠Veo3.1赢过Sora2，毕竟它只是Veo3的微调。

听说年底谷歌会配合Gemini3全家桶搞个大招，到时候可能会支持“文本+语音+画面”同步生成，还能实时调人物表情，说不定能解决现在的痛点。

现在的Veo3.1更像在攒数据，靠Flow收集用户的创作习惯，为年底的大更新铺路。

Veo3.1适合想做短视频精修的人，比如定好首尾帧做个剧情片段，或者用多图参考合成场景，但要是想做复杂的微电影，现在还不太现实。

期待年底Gemini3出来后，能让普通人也能轻松玩转正儿八经的AI电影，到时候说不定能看到更多有意思的作品。

来源：律行僧