Veo 2 - 谷歌 DeepMind 推出的 AI 视频生成模型，支持高达 4K 分辨率

Veo 2是什么

Veo 2 是 Google DeepMind 推出的 AI 视频生成模型，按文本或图像提示生成视频。Veo 2支持最高4K分辨率的视频制作，能听懂镜头控制指令，也能模拟现实世界的物理现象和人的表情。在Meta的MovieGenBench基准测试里，Veo 2的成绩排在其他视频生成模型（如Meta、Minimax）前面。Veo 2生成的视频带有SynthID水印，用来标明这是AI生成的内容。

Veo 2的主要功能

• 高分辨率视频生成：视频分辨率最高到4K，画面更清楚。
• 理解镜头控制指令：镜头运动和风格的指令能听懂并执行，广角、特写、无人机视角都可以。
• 模拟物理现象和人类表情：对现实世界物理效果和人的表情变化的模拟更真实。
• 修复功能（Inpainting）：视频里不想要的背景图像、标志或干扰元素，可以智能移除。
• 外扩功能（Outpainting）：向外扩展原始画面，AI生成片段填补多出来的区域，和原画面衔接自然。
• 电影拍摄技巧预设：生成视频时可以把电影拍摄技巧预设和文字描述搭配起来，镜头构图、拍摄角度、节奏都有明确指引。预设包括延时摄影效果、无人机视角、模拟不同方向的镜头平移等。
• 插值功能（Interpolation）：在两张静态图像之间生成平滑的视频过渡，可以给片头片尾序列补帧，视频更流畅，观感也更专业。
• SynthID 数字归属水印：为了保障内容的原创性，Veo 2 在其 AI 生成的输出中加入了 SynthID 数字归属水印。
• 减少错误生成：多出来的手指、意外出现的物体这类常见错误明显减少。
• 安全性：生成的视频嵌入不可见的SynthID水印，方便识别哪些内容是AI生成的。

Veo 2的技术原理

• 深度学习模型：基于深度学习，具体用变换器（Transformers）架构来理解和处理输入的文本或图像提示。
• 文本到视频的合成：Veo 2把文字描述变成视频，背后是自然语言处理（NLP）和计算机视觉技术的配合。
• 物理模拟：集成物理引擎，让生成视频里的物理规律站得住。
• 面部和表情识别：用面部识别技术捕捉并模拟人的表情，视频更有真实感。

Veo 2的项目地址

• 项目官网：deepmind.google/technologies/veo/veo-2

Veo 2的应用场景

• 电影制作：电影制作人拿它预览复杂的特效场景；预算和时间紧张时，也能生成逼真的背景和环境，少依赖实拍场地。
• 虚拟旅游：旅游公司做出虚拟旅游体验，客户戴虚拟现实头盔或用其他设备就能看世界各地的名胜古迹，不受时间空间限制。
• 教育视频：教育机构用它生成教学视频，模拟复杂的科学实验过程、重现历史事件，学习体验更生动、有互动。
• 新闻报道：新闻机构用它重现新闻事件现场，报道更直观，常见于自然灾害报道和历史事件还原。
• 广告制作：广告公司快速生成贴合产品特性的视频广告，广告更抓人，传得也更广。