谷歌近期為其視頻AI技術Veo 2增添了一系列創(chuàng)新功能，旨在極大提升用戶制作電影質感視頻及編輯真實素材的效率。這些新增功能目前已在谷歌云的Vertex AI平臺上開放預覽，與此同時，谷歌也對文本轉圖像模型Imagen 3及音頻相關的AI模型進行了重要的更新。
Veo 2的新功能亮點包括修復功能（inpainting）和外擴功能（outpainting）。據谷歌介紹，修復功能可以智能地移除視頻中不需要的背景圖像、標志或干擾元素，而外擴功能則能夠擴展原始視頻畫面，利用AI生成的片段填充新增空間，實現與原始畫面的自然融合，這一功能類似于Adobe在圖像處理中的生成式擴展。
此次更新還賦予了Veo 2用戶在生成視頻時結合電影拍攝技巧預設與文字描述的能力，從而精準指導鏡頭構圖、拍攝角度和節(jié)奏。預設選項包括延時攝影效果、無人機視角以及模擬不同方向的鏡頭平移等，為用戶提供了更多創(chuàng)作自由度。
Veo 2還引入了插值功能，該功能能夠在兩個靜態(tài)圖像之間創(chuàng)建平滑的視頻過渡，為視頻開頭和結尾序列添加新的幀，進一步增強視頻的流暢度和專業(yè)感。
值得注意的是，Adobe的競爭對手產品Firefly視頻模型也推出了類似的生成式AI視頻擴展功能，并在Premiere Pro中上線。谷歌在Veo 2的輸出中加入了SynthID數字歸屬水印，以保障內容的原創(chuàng)性，這與Adobe的內容憑證系統(tǒng)有異曲同工之妙。然而，Adobe明確表示其工具完全適用于商業(yè)用途，因為它們基于授權和公有領域內容訓練，而谷歌在訓練AI模型時則大量使用了網絡抓取的內容。
在文本轉圖像模型方面，谷歌對Imagen 3的編輯功能進行了升級，據稱可以顯著提升移除物體的效果，使處理后的圖像看起來更加自然。Veo 2和Imagen 3已被歐萊雅、卡夫亨氏等公司用于營銷內容制作，顯著縮短了制作周期。例如，卡夫亨氏的數字體驗負責人賈斯汀·托馬斯表示，原本需要八周才能完成的任務，現在僅需八小時即可完成。
在音頻領域，谷歌推出了文本轉音樂模型Lyria的私人預覽版，并為合成語音模型Chirp 3新增了“即時定制語音”功能。谷歌表示，Chirp 3現在能夠僅從10秒的音頻輸入中生成逼真的定制語音。谷歌還推出了一項新的轉錄功能預覽，該功能能夠識別并分離多人對話中的不同說話者，為多方參與的談話提供更清晰的轉錄結果。
這一系列更新只是谷歌近期宣布的AI相關消息的一部分。谷歌還透露，其效率優(yōu)化型Flash模型的最新版本Gemini 2.5 Flash即將登陸Vertex AI，該版本能夠根據任務的復雜程度自動調整處理時間，從而更快地為簡單請求提供結果。
谷歌本周還將更新其面向企業(yè)的Agentic AI工具，使AI代理能夠在不同平臺（如PayPal和Salesforce）之間無縫溝通并執(zhí)行任務。同時，谷歌云市場也將推出一個新板塊，供企業(yè)瀏覽和購買由第三方谷歌合作伙伴構建的AI代理。
