Google 发布 Veo 3.1：AI 制片工具 Flow 标配原生音频与画面修改

用 AI 做视频最尴尬的时刻，往往不是画面崩了，而是画面动得轰轰烈烈，四周却一片死寂。又或者，为了配上几秒钟的环境音和动作音效，你得在剪辑软件里翻半天音效库。

Google 刚刚带来的更新，就是奔着解决这种割裂感去的。5 个月前，Google 推出了由 Veo 驱动的 AI 电影制作工具 Flow，官方数据显示用户已经用它生成了超过 2.75 亿个视频。现在，Google 正式发布了新一代基础模型 Veo 3.1，并把一系列更细腻的剪辑与音频控制塞进了 Flow 里。

画面能动的地方，现在都能出声了

Veo 3.1 最大的改动，是彻底把声音和以往那些零散的控制工具打通了。

之前在 Flow 里面，用多张参考图控制角色和风格的「成分生视频」，或者指定首尾帧来生成平滑转场的「帧生视频」，出来的基本都是无声片段。现在配合 Veo 3.1，这些模式全都能直接生成匹配画面的原生音频。

就连用来拉长镜头的「延长」功能也补齐了音频。它是根据前一段视频的最后一秒接着往下画，现在你可以一口气把镜头拉长到一分钟甚至更久，动作和环境声音都不会突然断掉，用来做铺垫场景的长镜头变得相当顺手。

除了能出声，Veo 3.1 本身也拉高了真实感。官方称它比 5 月发布的 Veo 3 提示词遵从度更高，尤其在图片转视频时的光影和材质细节上，看起来更接近实拍。

画布上的「无痕加减法」

除了基础画质提升，Flow 这次还加了类似修图软件的精细剪辑功能。

比如新上线的「插入」功能。如果你对某个镜头大体满意，但觉得角落太空，或者想临时加一只奇幻生物，直接圈出来输入提示词就行。Flow 会自动处理新增物体在原场景里的光影和阴影投射，不用担心贴上去的东西浮在画面上。

此外，Google 还预告了马上要上的「消除」功能。要是画面里拍到了多余的路人或杂物，可以直接圈掉，模型会自动脑补重绘背后的环境。

目前 Veo 3.1 不仅进驻了 Flow，也同步上线了 Gemini App，开发者和企业用户也可以通过 Gemini API 和 Vertex AI 调取这些能力。

为什么重要

我们认为，Google 这次更新摸准了视频创作者最头疼的地方。过去的 AI 视频工具更像在「抽卡」，生成出来哪怕只有 5% 不合心意，你也只能推倒重来。Flow 引入局部增删和首尾帧控场，本质上是在把生成工具变成真正的「制作工具」。

更聪明的地方在于声音的整合。让视频模型原生带着声音一起渲染，远比创作者后期手动找音效对口型要高效得多。对于短视频创作者或独立制作人来说，拉长到一分钟以上的连贯有声镜头，已经足够拿来搭建很多故事短片的分镜了。

但隐患依然存在。生成长镜头虽然支持到了单次一分钟，但多轮延展后的角色一致性和背景畸变，在实际测试中依然很难完全避免。加上音效生成虽然生动，目前也还是实验性功能，能否准确匹配细腻的环境情绪还有待观察。不过比起纯拼画质的竞品，Google 正在把竞争拉向更实用的工作流层面。