OpenAI直播划水的一天，Google版Sora迎來了它的2.0—— Veo 2，根據文字或圖像產生更高品質的影片。從官方介紹中看，此次主要有三個面向的升級。解析度能達到4K；能夠理解有關鏡頭控制的Prompt；更注重現實物理世界與人類表情的理解與展示。

在官方帳號底下，大家都對這些效果表示了驚嘆：

我真的想Google輸掉比賽，但Google沒有輸。

另外，影像生成模型Imagen 3也有進一步的改進。

Google版Sora2.0：重新定義品質與控制

品質與控制，是此次視訊模型升級的關鍵字。

除了顯而易見的清晰度的提升——最高可達4K分辨率，它能夠忠實地遵循簡單和複雜的指令Prompt，並令人信服地模擬現實世界的物理以及各種視覺風格。

具體體現在它的真實感和保真度上，例如細節、偽影減少等方面都有顯著改進。

還有高級的運動功能，基於對物理學的理解，能夠更高精度的表示運動。

還能準確地遵循各種鏡頭控制類的Prompt，例如拍攝風格、角度、動作以及所有這些的組合。

那麼接下來就直觀地感受一下效果。

Prompt：特寫鏡頭聚焦於一位女DJ 的臉部，她美麗、濃密的黑色捲髮勾勒出她的五官，她完全沉浸在音樂中。她閉上雙眼，沉浸在節奏中，嘴角掛著一絲微笑。當她隨著節拍點頭和搖擺時，相機捕捉到了她頭部的細微動作，她的身體本能地隨著耳機中傳出的音樂而做出反應，傳到人群中。淺景深使背景變得模糊。她被鮮豔的霓虹色包圍著。特寫鏡頭強調了她迷人的氣質以及音樂傳遞和超越的力量。

還有是這種集體的蜂群也能刻畫出來。

Prompt：鏡頭輕輕飄過一排排粉刷過的木製蜂箱，嗡嗡作響的蜜蜂在畫面中進進出出。鏡頭落在站在畫面中央的優雅農夫身上，他潔白的養蜂服在金色的午後陽光下閃閃發光。他舉起一罐蜂蜜，稍微傾斜以捕捉光線。在他身後，高大的向日葵在微風中有節奏地搖曳，花瓣在溫暖的陽光下閃閃發光。鏡頭向上傾斜，露出一座復古的農舍，百葉窗是薄荷綠色的，搖曳的樹木在牆上投下斑駁的陰影。用35 毫米鏡頭在柯達Portra 400 膠片上拍攝，金色的光線在農民的手套、果醬罐和蜂箱的風化木材上形成了豐富的紋理。

還可以切換鏡頭，從近景到遠景，而在鏡頭之下，不管是蜂蜜還是咖啡的泡沫細節都有精確地刻畫。

Prompt：太陽在一盤擺放整齊的早餐場景後緩緩升起。濃稠的金色楓糖漿以慢動作倒在鬆軟的煎餅上，每一塊煎餅都散發出柔軟溫暖的蒸氣雲。特寫鏡頭中，脆培根發出嘶嘶聲，金色油脂的細小餘燼在空中飛舞。咖啡以順滑的旋轉動作倒入水晶般透明的杯子中，杯子充滿了深棕色的咖啡油層。場景結束時，相機俯衝到新鮮切好的柳橙上，以令人驚嘆的微距細節展示出它明亮多汁的果肉。

那麼在根據人類對其性能的評估中，Veo 2 的表現優於其他領先的視訊生成模型

在Meta基準資料集MovieGenBench上，人類參與者觀看了1003個提示和回應的影片。

結果顯示，跟市面上的主流影片產生模型相比，Veo2.0在整體偏好、Prompt指令準確遵循方面都表現最佳。

值得一提的是，這裡除了Sora，國產模型可靈、MiniMax都上桌了。

所有的比較都在720P解析度下進行，Veo 取樣時長為8 秒，VideoGen 取樣時長為10 秒，其他型號取樣時長為5 秒。我們向評分者展示完整影片時長。

最後，他們表示，創建逼真、動態或複雜的視頻，並在複雜場景或複雜運動的場景中保持完全一致性仍然是一項挑戰。他們將繼續開發和改進這些領域的性能。

影像模型Imagen 3也增強了

除此之外，也增強了他們的影像生成模型Imagen 3。

可以生成更多樣化的藝術風格，如寫實、夢幻、肖像畫等等。

產生的影像會更忠於Prompt，即使這個Prompt有多離譜。 （Doge）

而從各種生成的影像來看，視覺效果也比之前更明亮，構圖也更平衡。

好了，有興趣的朋友可戳下方連結了解更多詳情。

參考連結：

[1]https://deepmind.google/technologies/veo/veo-2/

[2]https://x.com/GoogleDeepMind/status/1868703624714395907

[3]https://deepmind.google/technologies/imagen-3/