作者：趙雨荷
來源：硬ai
谷歌的旗艦ai研究實驗室google deepmind周一大幅升級其人工智慧驅動的內容生成工具，推出了veo 2視頻生成模型和增強版imagen 3圖像模型，挑戰openai在ai圖像和視頻生成的領先地位。谷歌表示，這些更新有望徹底改變創意工作流程，為視頻和圖像創作者提供更高的真實感和定製化體驗。
谷歌介紹，veo 2是谷歌的視頻生成工具，能夠生成多樣化主題和風格的高質量視頻。谷歌在博客中表示，這款模型在真實感方面表現卓越，能夠捕捉到人類表情和電影效果等細節。其增強的物理和電影學理解能力使用戶能夠生成令人驚嘆的內容，包括跟蹤鏡頭和廣角構圖等。
例如，veo 2熟悉電影拍攝語言，用戶可以要求某種類型的風格，指定鏡頭，建議電影效果，veo 2都會以高達4k解析度並延長到數分鐘的視頻長度來呈現。比如，要求「低角度跟蹤鏡頭穿越場景中央」或「特寫科學家通過顯微鏡觀察」的鏡頭，veo 2都能實現。提示「18mm鏡頭」，veo 2知道生成廣角鏡頭；要求「淺景深」，它會模糊背景，突出主體。
值得注意的是，這一解析度是openai sora模型的4倍，視頻時長更是其6倍以上。
不過，目前這些優勢仍是理論上的。在谷歌的實驗性視頻創作工具videofx中，veo 2生成的視頻被限制為720p解析度、8秒的長度。（相比之下，sora的最大輸出為1080p、20秒的短片。）
谷歌表示，雖然視頻生成模型往往會「幻象化」出不需要的細節，例如多餘的手指或意外的物體，但veo 2在這一方面的表現更為真實，生成錯誤的頻率較低。
此外，veo 2生成的視頻包括不可見的synthid水印，用於標記它們為ai生成的內容，從而減少誤用或錯誤歸屬的風險。
deepmind產品副總裁eli collins對媒體表示，隨著模型逐漸具備規模化使用的準備，谷歌將通過其vertex ai開發者平台提供veo 2。
「未來幾個月，我們將根據用戶反饋持續迭代，並尋求將veo 2的更新能力整合到谷歌生態系統中的相關應用中……我們預計明年會分享更多的更新內容。」
開發者和創作者目前可以通過谷歌實驗室（google labs）訪問該工具，預計到2025年，它將廣泛集成至諸如youtube shorts等平台。
同時，imagen 3模型在圖像構圖和細節準確性方面得到了增強，支持從寫實到抽象的各種風格，能夠生成更豐富的紋理，並更加忠實地回應用戶提示。
目前，imagen 3已經通過谷歌實驗室的imagefx工具在100多個國家上線，全球用戶可以試驗其尖端功能。
此外，谷歌還推出了whisk，這是一款結合了imagen 3和gemini視覺分析能力的創意工具。用戶可以輸入圖像，生成詳細的文字描述、重新混合風格，或設計個性化作品，如數字玩偶或搪瓷徽章。
谷歌介紹，whisk結合了imagen 3模型和gemini的視覺理解與描述能力。gemini模型會自動為用戶的圖像生成詳細的文字描述，並將這些描述傳遞給imagen 3。這一過程讓用戶能夠以有趣的新方式重新混合主題、場景和風格。
