Google 釋出 Veo 3.1：AI 製片工具 Flow 標配原生音訊與畫面修改

用 AI 做影片最尷尬的時刻，往往不是畫面崩了，而是畫面動得轟轟烈烈，四周卻一片死寂。又或者，為了配上幾秒鐘的環境音和動作音效，你得在剪輯軟體裡翻半天音效庫。

Google 剛剛帶來的更新，就是奔著解決這種割裂感去的。5 個月前，Google 推出了由 Veo 驅動的 AI 電影製作工具 Flow，官方資料顯示使用者已經用它生成了超過 2.75 億個影片。現在，Google 正式釋出了新一代基礎模型 Veo 3.1，並把一系列更細膩的剪輯與音訊控制塞進了 Flow 裡。

畫面能動的地方，現在都能出聲了

Veo 3.1 最大的改動，是徹底把聲音和以往那些零散的控制工具打通了。

之前在 Flow 裡面，用多張參考圖控制角色和風格的「成分生影片」，或者指定首尾幀來生成平滑轉場的「幀生影片」，出來的基本都是無聲片段。現在配合 Veo 3.1，這些模式全都能直接生成匹配畫面的原生音訊。

就連用來拉長鏡頭的「延長」功能也補齊了音訊。它是根據前一段影片的最後一秒接著往下畫，現在你可以一口氣把鏡頭拉長到一分鐘甚至更久，動作和環境聲音都不會突然斷掉，用來做鋪墊場景的長鏡頭變得相當順手。

除了能出聲，Veo 3.1 本身也拉高了真實感。官方稱它比 5 月釋出的 Veo 3 提示詞遵從度更高，尤其在圖片轉影片時的光影和材質細節上，看起來更接近實拍。

畫布上的「無痕加減法」

除了基礎畫質提升，Flow 這次還加了類似修圖軟體的精細剪輯功能。

比如新上線的「插入」功能。如果你對某個鏡頭大體滿意，但覺得角落太空，或者想臨時加一隻奇幻生物，直接圈出來輸入提示詞就行。Flow 會自動處理新增物體在原場景裡的光影和陰影投射，不用擔心貼上去的東西浮在畫面上。

此外，Google 還預告了馬上要上的「消除」功能。要是畫面裡拍到了多餘的路人或雜物，可以直接圈掉，模型會自動腦補重繪背後的環境。

目前 Veo 3.1 不僅進駐了 Flow，也同步上線了 Gemini App，開發者和企業使用者也可以通過 Gemini API 和 Vertex AI 調取這些能力。

為什麼重要

我們認為，Google 這次更新摸準了影片創作者最頭疼的地方。過去的 AI 影片工具更像在「抽卡」，生成出來哪怕只有 5% 不合心意，你也只能推倒重來。Flow 引入區域性增刪和首尾幀控場，本質上是在把生成工具變成真正的「製作工具」。

更聰明的地方在於聲音的整合。讓影片模型原生帶著聲音一起渲染，遠比創作者後期手動找音效對口型要高效得多。對於短影片創作者或獨立製作人來說，拉長到一分鐘以上的連貫有聲鏡頭，已經足夠拿來搭建很多故事短片的分鏡了。

但隱患依然存在。生成長鏡頭雖然支援到了單次一分鐘，但多輪延展後的角色一致性和背景畸變，在實際測試中依然很難完全避免。加上音效生成雖然生動，目前也還是實驗性功能，能否準確匹配細膩的環境情緒還有待觀察。不過比起純拼畫質的競品，Google 正在把競爭拉向更實用的工作流層面。