近日，谷歌正式为Gemini人工智能助手上线基于Veo 3模型的图像转视频功能，用户只需上传静态照片并添加文本描述，即可生成带音效的8秒动态短视频。该功能现已面向AI Ultra和AI Pro订阅用户开放，首阶段登陆Gemini网页版，移动端应用将于本周内全面推送。
操作流程极为简洁：用户点击提示栏的”工具”选择”视频”入口，上传照片后通过文本指令描述动态效果，例如”海浪拍打礁石”或”人物转头微笑”。创新性在于支持三层音频同步——可添加背景音乐（如雨声）、环境增强音效（如树叶沙沙声）甚至人物对白，系统通过Veo 3独有的波形匹配技术确保口型与语音精准同步。最终输出720p分辨率、16:9横屏的MP4格式视频，并自动添加可见AI水印及隐藏式数字标识。
此次升级标志着谷歌在AI视频赛道的关键突破。Veo 3模型采用帧间运动预测算法，大幅提升生成画面的物理真实感，使Gemini具备与OpenAI、Runway等对手同台竞技的影视创作能力。值得关注的是，该功能直接集成在Gemini交互界面，相较此前需通过独立工具Flow操作的模式，显著降低了创作门槛。
原创文章，作者：Google，如若转载，请注明出处：https://www.kejixun.co/article/727672.html
