核心功能與能力
- 8‑秒影片片段: 可生成最長 8 秒的序列，具備無縫鏡頭轉場與拼接。
- 整合式音訊生成: 單次處理即可產出對白、環境音、音效與背景音樂。
- 高畫質輸出: 支援最高 4K (3840 × 2160)，具備一致的光照、逼真的物理效果與細緻的場景紋理。
- 多模態輸入: 同時支援 text‑to‑video 與 image‑to‑video 提示，滿足多元創作流程。
上述能力讓創作者無需另行進行音訊後期或複雜的剪輯流程，即可打造近電影級的敘事。
技術細節
Veo 3 的架構基於在數百萬支 YouTube 影片上訓練的多模態 Transformer。其編碼器–解碼器架構透過影片標記化層處理文字提示，產生驅動視覺合成模組的時空特徵。與此同時，音訊合成分支會產生對齊的聲音輸出。跨模態注意力機制確保視覺與音訊兩種模態緊密耦合，降低不同步偽影。訓練過程包含數十億次參數更新，並在 Google Cloud 的 Vertex AI 平台上以混合精度 GPU 叢集進行最佳化。
基準測試表現
在內部基準測試中，Veo 3 展現：
- PSNR（Peak Signal‑to‑Noise Ratio）在標準影片資料集上達 38 dB，較 Veo 2 提升 4 dB。
- SSIM（Structural Similarity Index）為 0.92，顯示高視覺保真度。
- 音畫同步誤差低於 15 ms，確保聲音與動作之間的延遲難以察覺。
- 推論速度：在 NVIDIA A100 GPU 上約為 ~每秒 12 幀，可對短片進行近即時生成。
這些指標使 Veo 3 站在生成式影片 AI 的最前沿，在品質與同步性上超越 Sora 與 Meta 近期的影片模型。 - 如何存取 Veo 3 API
步驟 1：註冊取得 API 金鑰
登入 cometapi.com。若您尚未成為我們的用戶，請先註冊。登入您的 CometAPI console。取得介面存取憑證的 API 金鑰。在個人中心的 API token 中點擊“Add Token”，取得 token key：sk-xxxxx 並提交。
步驟 2：向 Veo 3 API 發送請求
選擇 “\Veo 3 \” 端點以發送 API 請求，並設定請求本文。請求方法與請求本文可從我們網站的 API 文件取得。我們的網站也提供 Apifox 測試以便您使用。將 <YOUR_API_KEY> 替換為您帳戶中的實際 CometAPI 金鑰。基本 URL 為 Veo3 Async Generation(https://api.cometapi.com/v1/videos)。
將您的問題或請求填入 content 欄位——模型將對此做出回應。處理 API 回應以取得生成結果。
步驟 3：擷取並驗證結果
處理 API 回應以取得生成結果。處理完成後，API 會回傳任務狀態與輸出資料。