Google Veo 3.1 telah dikemas kini pada Januari, membawa penambahbaikan terfokus yang menolak aliran kerja imej ke video lebih hampir kepada kualiti produksi. Kemas kini 3.1 memusatkan pada empat naik taraf praktikal yang menjadikan aliran kerja imej→video jauh lebih berguna untuk kreator dan pembangun: saluran “Ingredients to Video” yang diperkukuh untuk menjana klip dinamik daripada imej rujukan, konsistensi yang lebih kukuh merentas watak dan babak, keluaran menegak asli (9:16) untuk platform berorientasikan mudah alih, dan pilihan keluaran fideliti tinggi baharu termasuk peningkatan 1080p dan penskalaan 4K. Bagi kreator dan pembangun yang selama ini bergantung pada aliran kerja “crop-then-edit” untuk format menegak sosial, keluaran 9:16 asli dan upscaling yang dipertingkat dalam Veo 3.1 menjanjikan pengurangan geseran dan penyampaian klip yang lebih kemas serta sedia platform.
Bagi pembangun dan profesional media, Veo 3.1 bukan sekadar piksel lebih tinggi; ia tentang konsistensi. Kemas kini ini menangani secara langsung isu “flicker” dan kehilangan identiti yang sering menghantui video AI, menawarkan set alat yang mampu mengekalkan kesetiaan watak dan gaya merentas berbilang syot, sekali gus mencabar dominasi OpenAI Sora 2.0 dalam pasaran media generatif bertaraf tinggi.
Apakah yang mentakrifkan seni bina Veo 3.1?
Veo 3.1 dibina di atas seni bina difusi berasaskan transformer yang dipertingkat dan ditala halus untuk pemahaman multimodal. Tidak seperti pendahulunya, yang terutamanya memetakan teks ke video, Veo 3.1 memperlakukan input visual (imej) sebagai warganegara kelas pertama di samping prompt teks.
Peralihan seni bina ini membolehkan model “melihat” aset yang disediakan pengguna—seperti gambar produk, rujukan watak, atau latar tertentu—dan menganimasikannya dengan pemahaman mendalam tentang geometri 3D dan pencahayaan. Hasilnya ialah sistem yang terasa kurang seperti mesin slot dan lebih seperti enjin render digital.
Apa yang berubah dalam 3.1 berbanding versi sebelumnya?
- Sintesis rujukan yang lebih kaya: Model mengekstrak ciri (wajah, pakaian, tekstur permukaan, elemen latar belakang) dengan lebih baik dan menggunakannya semula secara boleh dipercayai merentas berbilang bingkai, supaya watak kelihatan seperti watak yang sama sepanjang klip.
- Komposisi lebih pintar: Daripada memangkas bingkai landskap untuk muat ke kanvas menegak (atau sebaliknya), Veo 3.1 menjana komposisi menegak secara asli (9:16) agar penempatan subjek, isyarat kedalaman dan pergerakan terasa digubah untuk format tersebut (penting untuk kreativiti TikTok/Shorts/Reels).
- Iterasi lebih pantas untuk kandungan bentuk pendek: UX dan model ditala untuk keluaran “social-first” 8 saat dalam banyak konteks produk (aplikasi Gemini, Flow), membolehkan kreator bereksperimen dengan pantas.
Bagaimana “Ingredients to Video” berfungsi dan apa yang baharu dalam 3.1?
Ciri menonjol keluaran ini ialah keupayaan “Ingredients to Video” yang dipertingkat. Ciri ini membolehkan pengguna memberikan “ramuan” visual yang berbeza yang mesti digunakan model dalam keluaran akhir, dengan berkesan merapatkan jurang antara pengurusan aset dan penjanaan video.
Apakah konsep “Ingredients to Video”?
Dalam versi sebelumnya, “Image-to-Video” sebahagian besarnya ialah tugas animasi satu imej. Veo 3.1 memperluasnya dengan membenarkan pengguna memuat naik berbilang imej rujukan (hingga tiga) untuk mentakrifkan adegan. Aset ini bertindak sebagai subjek (orang, objek, tekstur atau latar), dan model mengarang gerak, pembingkaian kamera dan peralihan di sekelilingnya untuk menghasilkan video pendek yang mengekalkan identiti visual yang dibekalkan. Ini berbeza daripada teks-ke-video tulen kerana ia meletakkan kekangan yang lebih kuat ke atas rupa dan kesinambungan visual sejak awal.
- Peradunan Kontekstual: Anda boleh memuat naik imej seorang individu (Watak A), imej lokasi (Latar B), dan rujukan gaya (Gaya C). Veo 3.1 mensintesis unsur yang berbeza ini menjadi video padu di mana Watak A bertindak dalam Persekitaran B, dirender dalam Gaya C.
- Pemfokusan Multimodal: Input visual ini berfungsi seiring dengan teks. Anda boleh menyediakan imej produk dan prompt teks “meletup menjadi partikel,” dan model mematuhi butiran visual produk dengan ketat sambil melaksanakan fizik daripada prompt teks.
Apa yang baharu dalam mod Ingredients Veo 3.1?
Veo 3.1 memperkenalkan beberapa penambahbaikan konkrit pada aliran Ingredients:
- Keekspresifan daripada prompt minimum: Prompt teks yang pendek sekalipun menghasilkan naratif dan gerakan emosi yang lebih kaya apabila dipadankan dengan imej ramuan, memudahkan untuk memperoleh hasil yang berguna dengan iterasi lebih sedikit.
- Pemeliharaan identiti subjek yang lebih kukuh: Model lebih baik dalam mengekalkan identiti visual subjek (wajah, kostum, tanda produk) merentas berbilang syot dan pertukaran babak. Ini mengurangkan keperluan untuk membekalkan semula aset bagi kesinambungan.
- Konsistensi objek dan latar: Objek dan elemen adegan boleh kekal merentas potongan, meningkatkan koheren penceritaan dan membolehkan kegunaan semula prop atau tekstur.
- Secara automatik menambah aksi dinamik dan ritma naratif pada adegan;
- Video keluaran lebih kaya dari segi “penceritaan” dan “perincian wajah,” meningkatkan keaslian persepsi visual manusia.
Penambahbaikan ini direka untuk mengurangkan titik sakit paling biasa bagi penjanaan imej-ke-video: drift subjek, ketidakselarasan latar, dan kehilangan gaya apabila bergerak antara bingkai.
Kes kegunaan praktikal untuk Ingredients to Video
- Menganimasikan maskot jenama daripada aset reka bentuk.
- Menukar foto potret pelakon kepada klip gerakan untuk iklan sosial.
- Pembuatan prototaip pantas rawatan visual (pencahayaan, tekstur) sebelum larian produksi penuh.
Apakah naik taraf konsistensi yang diperkenalkan oleh Veo 3.1?
Dalam sebarang jujukan yang dijana berbilang syot atau berbilang babak, mengekalkan identiti subjek (wajah, pakaian, label produk), penempatan objek, dan kesinambungan latar adalah penting untuk kredibiliti naratif. Ketakselarasan—perubahan kecil dalam struktur wajah, bentuk atau tekstur objek—memecahkan penangguhan ketidakpercayaan penonton dan memerlukan campur tangan manual atau penjanaan semula. Generasi model video terdahulu sering menukar keanjalan untuk koheren; Veo 3.1 berusaha memperkecil tukaran ini.
Veo 3.1 menjadikannya boleh untuk membina jujukan pendek dan detik cerita yang terbaca sebagai naratif berterusan dan bukannya siri viniet berdiri sendiri. Peningkatan ini adalah teras kepada pengalaman 3.1:
- Kestabilan Temporal: Model mengurangkan dengan ketara kesan “morphing” di mana wajah atau objek berubah bentuk secara halus dari masa ke masa.
- Koheren Antara Syot: Dengan menggunakan imej “ramuan” yang sama merentas prompt berbeza, kreator boleh menjana berbilang klip watak yang sama dalam senario berbeza tanpa kelihatan seperti orang yang berbeza. Ini lonjakan besar untuk garis panduan jenama dan penciptaan kandungan episodik.
- Peradunan Tekstur: Membolehkan watak, objek, dan latar bergaya berbaur secara semula jadi, menghasilkan video berkualiti tinggi dengan gaya yang disatukan.
Kesan praktikal
Bagi penyunting dan kreator sosial ini bermakna lebih sedikit pembetulan dan kurang rotoscoping; bagi pembangun dan studio ia mengurangkan geseran apabila mengautomasi jujukan berbilang syot, dan mengurangkan kurasi manual yang diperlukan untuk mengekalkan kesinambungan visual merentas aset.
Naik Taraf Keluaran Veo 3.1: Keluaran Menegak dan Fideliti Tinggi
Keluaran Menegak Asli
Dengan dominasi TikTok, YouTube Shorts, dan Instagram Reels, permintaan untuk video menegak berkualiti tinggi tidak terpuaskan. Veo 3.1 akhirnya memperlakukan format ini dengan keseriusan yang sewajarnya.
Veo 3.1 memperkenalkan penjanaan nisbah aspek 9:16 secara asli.
- Tiada Pemangkasan: Tidak seperti aliran kerja terdahulu yang menjana video segi empat sama atau landskap dan memangkasnya (kehilangan resolusi dan pembingkaian), Veo 3.1 menggubah syot secara menegak dari awal.
- Kecerdasan Pembingkaian: Model memahami peraturan komposisi menegak, memastikan subjek terpusat dan struktur tinggi dimanfaatkan dengan berkesan, bukannya menjana ufuk lebar yang kelihatan janggal apabila diapit ke skrin telefon.
Bagaimana penjanaan menegak asli mengubah aliran kerja
- Penerbitan lebih pantas: Tiada pemangkasan dan pembingkaian semula selepas penjanaan diperlukan.
- Komposisi lebih baik: Model menggubah adegan dengan pembingkaian menegak dalam fikiran (ruang kepala, laluan aksi).
- Sedia platform: Eksport sesuai untuk TikTok dan Shorts dengan penyuntingan minimum.
Keluaran Fideliti Tinggi
Resolusi telah menjadi sekatan utama untuk video AI. Veo 3.1 memecahkan siling 720p/1080p dengan sokongan 4K asli.
- Upscaling Bersepadu: Aliran termasuk modul super-resolusi baharu yang meningkatkan skala kandungan yang dijana kepada 4K (3840x2160) atau 1080p dengan fideliti bitrate yang tinggi.
- Pengurangan Artifak: Upscaler dilatih khusus pada artifak generatif, membolehkannya melicinkan “shimmer” yang sering dilihat pada tekstur AI sambil menajamkan tepi, menjadikan keluaran sesuai untuk garis masa penyuntingan profesional.
Bagaimana Veo 3.1 dibandingkan dengan Sora 2.0?
Perbandingan antara Google Veo 3.1 dan OpenAI Sora 2.0 mentakrifkan lanskap semasa video AI. Walaupun kedua-duanya berkuasa, mereka melayani keutamaan yang berbeza.
| Ciri | Google Veo 3.1 | OpenAI Sora 2.0 |
|---|---|---|
| Falsafah Utama | Kawalan & konsistensi. Direka untuk aliran kerja produksi di mana aset khusus (produk, watak) mesti dipatuhi. | Simulasi & Fizik. Direka untuk mensimulasikan dunia sebenar dengan fideliti tinggi, memfokus pada magis penjanaan “one-shot”. Teks-ke-video dan imej-ke-video dengan penekanan pada fotorealisme, ketepatan fizikal, dan audio segerak. |
| Fleksibiliti Input | Tinggi. “Ingredients to Video” membenarkan suntikan berbilang imej untuk kawalan aset yang tepat. | Sederhana. Teks-ke-video dan bingkai permulaan satu imej yang kuat, tetapi kurang kawalan terperinci terhadap unsur tertentu. |
| Video Menegak | 9:16 asli. Komposisi dioptimumkan untuk format mudah alih. | Disokong, tetapi sering memihak pada visual sinematik 16:9 skrin lebar dalam data latihan. |
| Resolusi | 4K (melalui upscaling). Keluaran tajam, sedia siaran. | 1080p Asli. Berkualiti tinggi, tetapi memerlukan upscaling luaran untuk aliran kerja 4K. |
| Keselamatan Jenama | Tinggi. Pengawal selia yang kuat dan kesetiaan aset menjadikannya lebih selamat untuk kegunaan komersial. | Berubah-ubah. Boleh “menghalusinasi” fizik atau butiran liar yang menyimpang daripada prompt demi “kreativiti.” |
| Identiti/konsistensi | Konsistensi subjek dan objek yang dipertingkat berlabuh pada imej rujukan (Ingredients) | Sora 2 turut menekankan konsistensi berbilang syot dan kebolehkawalan |
Pembezaan praktikal
- Aliran kerja mudah alih & menegak: Veo 3.1 menyasarkan kreator mudah alih secara eksplisit dengan rendering potret asli dan integrasi terus YouTube Shorts—kelebihan untuk kecekapan saluran bentuk pendek.
- Audio & bunyi segerak: Sora 2 menyerlahkan dialog segerak dan kesan bunyi sebagai keupayaan teras, yang boleh menjadi penentu bagi kreator yang memerlukan penjanaan audio bersepadu dengan gerakan.
Ringkasnya: Veo 3.1 memperkecil jurang praktikal penting sekitar pemformatan mudah alih dan upscaling produksi, manakala Sora 2 terus mendahului dalam audio bersepadu dan metrik realisme tertentu. Pilihan bergantung pada keutamaan aliran kerja: penceritaan berlabuh imej dan berorientasikan mudah alih (Veo) vs realisme sinematik dengan audio (Sora 2).
Mengapa ia penting: Jika anda seorang kreator media sosial yang mencari klip hiper-realistik seekor mamut berbulu berjalan melalui NYC, Sora 2.0 sering menghasilkan lebih banyak faktor “wow” per saat. Namun, jika anda agensi pengiklanan yang perlu menganimasikan tin soda khusus (Ramuan A) di pantai tertentu (Ramuan B) untuk iklan Instagram menegak, Veo 3.1 ialah alat yang lebih unggul.
Bagaimana pembangun dan kreator boleh mula menggunakan Veo 3.1 hari ini?
Di mana Veo 3.1 tersedia?
Veo 3.1 tersedia dalam Gemini API melalui CometAPI. Mengapa saya mengesyorkan CometAPI untuk anda? Kerana ia paling murah dan mudah digunakan, dan anda juga boleh mencari API sora 2 dan lain-lain di dalamnya.
Corak penggunaan contoh dan sampel kod
import osimport timeimport requests# Dapatkan kunci CometAPI anda dari https://api.cometapi.com/console/token, dan tampal di siniCOMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"BASE_URL = "https://api.cometapi.com/veo/v1/video"# Cipta tugas penjanaan videocreate_response = requests.post( f"{BASE_URL}/create", headers={ "Authorization": COMETAPI_KEY, "Content-Type": "application/json", }, json={ "prompt": "Seekor kucing oren terbang di langit biru dengan awan putih, cahaya matahari menyinari bulunya, mencipta suasana indah bak mimpi", "model": "veo3.1", "enhance_prompt": True, },)task = create_response.json()task_id = task["id"]print(f"Tugas dicipta: {task_id}")print(f"Status: {task['status']}")# Tinjau sehingga video siapwhile True: query_response = requests.get( f"{BASE_URL}/query/{task_id}", headers={ "Authorization": f"Bearer {COMETAPI_KEY}", }, ) result = query_response.json() status = result["data"]["status"] progress = result["data"].get("progress", "") print(f"Memeriksa status... {status} {progress}") if status == "SUCCESS" or result["data"]["data"]["status"] == "completed": video_url = result["data"]["data"]["video_url"] print(f"URL video: {video_url}") break elif status == "FAILED": print(f"Gagal: {result['data'].get('fail_reason', 'Ralat tidak diketahui')}") break time.sleep(10)
Kesimpulan
Veo 3.1 mewakili pematangan video generatif. Dengan bergerak melangkaui halusinasi teks-ke-piksel yang ringkas dan menawarkan alat kukuh untuk kawalan aset (“Ingredients”), pengoptimuman format (Menegak Asli), dan kualiti penyampaian (4K), Google telah menyediakan API video generatif “bertaraf studio” yang sebenar. Bagi perusahaan yang ingin mengautomasi pengeluaran kandungan pada skala besar, penantian untuk model video yang boleh dikawal dan fideliti tinggi akhirnya berakhir.
Pembangun boleh mengakses Veo 3.1 API melalui CometAPI. Untuk bermula, terokai keupayaan model CometAPI dalam Playground dan rujuk API guide untuk arahan terperinci. Sebelum mengakses, pastikan anda telah log masuk ke CometAPI dan memperoleh kunci API. CometAPI menawarkan harga jauh lebih rendah daripada harga rasmi untuk membantu anda menjalinkan integrasi.
Sedia untuk bermula?→ Daftar CometAPI hari ini !
Jika anda ingin mengetahui lebih banyak tip, panduan dan berita tentang AI ikuti kami di VK, X dan Discord!