Veo 3.1
PulseAugur coverage of Veo 3.1 — every cluster mentioning Veo 3.1 across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Google Photos 为订阅用户新增 AI 视频混剪工具
Google 正在为其 Google Photos 应用推出一项名为视频混剪（Video Remix）的全新 AI 驱动功能。该工具由 Gemini Omni 模型提供支持，允许订阅用户通过简单的文本提示来转换和编辑现有视频。用户可以应用电影级补光、背景更换和艺术滤镜等效果，从而无需专业软件即可更轻松地进行视频编辑。
-
AI视频生成器Veo、Kling、Sora、LTX和Grok在相同提示下的比较
使用相同的提示和设置，在七个不同的场景中对五个领先的AI视频生成模型——Veo 3.1、Kling v3 Omni、Sora 2 Pro、LTX-2.3 Pro和Grok Imagine Video 1.5——进行了比较。评估旨在评估2026年中期AI视频生成的现状，并将其与过去几年中常见的伪影（如扭曲的面孔和多余的手指）进行对比。测试场景包括从中世纪骑士到杂耍表演，再到一只惊慌的猫，以及特定的流行文化参考。
-
AI视频工具Seedance、Kling、Sora领跑六方对比
近期对六款主流AI视频生成工具的比较显示，该领域取得了显著进展，Seedance 2.0、Kling 3.0和Sora 2.0等模型展示了令人印象深刻的能力。Seedance 2.0在多模态输入和叙事一致性方面表现出色，但面临计算能力和内容限制的挑战。Kling 3.0在中文叙事和角色互动方面表现突出，而Sora 2.0在物理真实感和长视频连贯性方面保持高标准，尽管生成时间较长且控制精度较低。评测还涵盖了用于企业用途的Tongyi W…
-
谷歌的 Nano Banana Pro 因逼真的 AI 图像生成而受到赞誉
Nano Banana Pro 是谷歌 Gemini 生态系统内集成的一款 AI 图像生成工具，因其逼真的图像输出和角色一致性而受到赞誉。该工具允许用户生成静态和动画图像，使用自然语言提示对现有照片进行混搭，甚至使用 Veo 3.1 将图像转换为视频。它与 Pixel 和 Chromebook 等谷歌产品的无缝集成提供了便捷的用户体验。
-
新的防御机制VPA-Guard解决了AI视频生成中的视觉提示攻击问题
一篇新研究论文介绍VPA-Guard，这是一个旨在保护图像到视频生成模型免受恶意视觉提示攻击的防御框架。这些攻击利用箭头或表情符号等视觉线索来操纵模型生成有害内容。该论文还提出了VVA-Bench，这是第一个专门用于评估这些以视觉为中心的提示攻击的基准测试。实验表明，当前最先进的模型极易受到攻击，但VPA-Guard在保持模型效用的同时，能有效降低攻击成功率和有害性得分。
-
用于视频和图像生成的AI模型及其API访问方式详解
两篇近期文章详细介绍了用于生成视频和图像的AI模型，重点关注实际应用和API访问。在视频生成方面，Veo 3.1、Seedance 2.0和Kling v3针对不同用例提供了不同的选择：Veo 3.1适用于高质量带声音的视觉内容，Seedance 2.0适用于成本效益高的内容生成，Kling v3适用于可控运动。在图像生成方面，Nano Banana Pro和GPT Image 2分别因其照片级真实感和文本渲染能力而受到关注，同时提供…
-
Claude Fable 5 和 Higgsfield MCP 在 90 秒内构建价值 1 万美元的网站
一位开发者展示了一个工作流程，使用 Anthropic 的 Claude Fable 5 和 Higgsfield MCP 在 90 秒内创建高端 3D 滚动网站。该流程利用了 Claude Fable 5 的编码和网站克隆能力，并结合了 Higgsfield 对各种图像和视频模型的集成。最终的网站，API 支出成本低于 10 美元，可以以 8,000 至 12,000 美元的价格推销给客户。
-
Avatar V 框架生成行为可识别的虚拟形象视频
研究人员推出了 Avatar V，一个用于生成高度逼真且行为可识别的虚拟形象视频的新框架。与依赖静态图像的先前方法不同，Avatar V 以完整的视频参考为条件，以捕捉说话节奏和手势等动态特征。该系统利用稀疏注意力机制和专用的运动流来实现高保真结果，性能优于 Seedance 2.0 和 Kling O3 Pro 等现有模型。
-
新的CultureScore框架揭示视频AI缺乏文化忠实度
研究人员开发了CultureScore，一个评估视频生成模型文化忠实度的新框架。该框架评估了10个国家在身份代表、情境准确性和行为规范方面的表现。研究发现，当前最先进的模型未能生成符合文化准确性的视频，表现最好的模型在CultureScore上仅达到56.8%。人类评估者根据文化忠实度对模型进行排名，这通常与纯粹的视觉质量指标形成对比。
-
AI 视频生成直接集成到 Claude 对话中
用户正在通过 MCP（模型连接器协议）连接器探索将 AI 视频生成直接集成到 Claude 对话中的新方法。Higgsfield AI 因其对 Sora 2、Veo 3.1 和 Kling 3.0 等广泛模型的支持而受到关注，使用户无需切换应用程序即可在 Claude 中生成视频。Kubeez 等其他连接器提供类似的跨模型访问，而 Runway 则专注于其具有强大关键帧处理能力的 Gen-4 模型。对于音频，ElevenLabs 被推…
-
AI视频工具实现电影级质量和速度
在过去一年里，AI视频生成工具取得了显著进步，从实验性产出发展到能够生成具有逼真动态、音频和唇形同步的电影级效果。最近对Veo 3.1的测试不仅展示了其质量的提升，还显示了速度的加快，这表明AI实验正迅速过渡到实用的创意制作工具。
-
Google Gemini Omni Flash 将 AI 视频从片段提升至制作层面
Google 推出了 Gemini Omni Flash，这是一款接受文本、照片和视频等多样化输入以生成带音频的短视频片段的新型 AI 模型。这标志着 AI 从简单的文本到视频生成转向充当视频制作助手，能够修改现有媒体并进行对话式指导以获得结果。该模型已集成到 Google 的 Gemini 应用、Flow 和 YouTube Shorts 中，并计划在当前 10 秒的限制之外支持更长的视频格式。Google 还通过 Veo 3.1 …
-
AI模型改进程序化规划和视频生成
研究人员开发了新的方法，通过将程序化规划和视频生成与指导性内容和物理原理相结合，来改进这些能力。一种名为RECIPE的方法，使用带有接地质量奖励的强化学习，在大型、嘈杂的指导视频语料库上训练模型，从而增强其生成分步计划的能力。另一个系统NEWTON将视频生成视为一项代理任务，协调各种物理感知工具，并使用验证器进行迭代重新规划，以提高生成视频中的物理常识。
-
AI视频生成器在视觉上令人印象深刻，但在物理和逻辑测试中失败
一项新的基准测试评估了AI视频生成器，发现虽然Seedance 2.0和Veo 3.1等模型在生成视觉效果惊人的内容方面表现出色，但它们在理解基本物理和逻辑推理方面存在严重不足。字节跳动的Seedance 2.0，尽管在商业表现上领先，但却未能掌握基本世界原理，存在关键差距。研究人员指出，由于这些限制，这些系统尚未成为真正的世界模型。
-
BRITE基准评估文本到视频模型在不可信场景下的表现
研究人员推出了BRITE，一个旨在评估文本到视频（T2V）生成模型的新基准，特别关注其处理不可信场景和音视频一致性的能力。与全自动化方法不同，BRITE采用人工干预的协议来确保可靠性和可解释性。对Sora 2和Veo 3.1等模型的初步评估显示，尽管它们在静态对象组合方面很熟练，但在对象-动作绑定和音视频同步方面存在显著的性能差距。
-
Google 推出 Gemini Omni 用于 AI 视频生成和编辑
Google 发布了 Gemini Omni，这是一款新推出的多模态 AI 模型，能够根据文本、图像和音频等多样化输入生成和编辑视频。该模型理解物理学和现实世界知识，将被集成到 Gemini 应用、YouTube Shorts 和 Flow 创意工作室中。此外，Google 还通过名为“Ask YouTube”的 AI 驱动的对话式搜索功能来增强其 YouTube 平台，该功能可汇编视频回答用户查询，并提供后续问题以优化结果。
-
讨论 Gemini 3 Flash、Proto-AGI 以及 OpenAI 的计算挑战
Google DeepMind 发布了 Gemini 3 Flash，这是一款新模型，揭示了其能力和潜在缺陷。Demis Hassabis 讨论了他对‘proto-AGI’的愿景以及人工智能发展的未来，涉及空间推理和最小 AGI 的概念。讨论还涵盖了计算放缓和新的数据范式，以及 Genie 3、Sima 2 和 Veo 3.1 等其他 DeepMind 的发布。
-
Google DeepMind 详细介绍 2025 年 AI 突破，包括 Gemini 3 和新模型
Google DeepMind 和 Google Research 在 2025 年公布了重大的 AI 进展，其中最引人注目的是 Gemini 3 和 Gemini 3 Flash 模型的发布。这些模型在推理、多模态理解和效率方面展现了最先进的性能，在 Humanity’s Last Exam 和 MathArena Apex 等评估中树立了新的标杆。除了核心模型开发，Google 还将这些 AI 能力整合到一系列产品中，包括 Pix…
-
Google DeepMind 增强 Veo 3.1 视频模型，提升一致性和控制力
Google DeepMind 发布了 Veo 3.1，这是一个更新的视频生成模型，增强了用户的一致性、创意和控制力。新版本为移动优先内容提供原生竖屏输出，支持 upscaling 至 1080p 和 4K 分辨率，并提高了角色和场景的身份及背景一致性。这些改进正与 Flow 工具中的新编辑功能一起，集成到 Gemini 应用、YouTube 和 Vertex AI 等各种 Google 产品中。