近日，谷歌深夜上新旗舰视频生成模型veo 3.1。这一更新正值ai视频生成竞争进入“精细创作”阶段，同时面对sora app的火热，谷歌此举备受关注。目前，网友已在由veo驱动的ai电影制作工具flow中生成了超过2.75亿个视频。
此次Veo 3.1更新，为AI创作平台Flow带来重大升级，全面引入音频生成、镜头编辑与物体插入、删除功能，赋予用户真正的“导演级控制权”，意味着AI视频制作从“能拍”进入“能导”的新阶段。
Veo 3.1主要有两大功能亮点，一是更强的叙事与音频控制，二是更丰富的输入与编辑能力。这次升级让AI对想讲述的故事有了更深理解，使AI视频生成迈入「导演级」精控阶段。它让视频在真实与叙事感上升级，具备更高画质与音画同步，更具电影质感。
在音频控制方面，Veo 3.1实现了全链路音频生成，支持“Ingredients to Video”“Frames to Video”“Extend”等功能的同步音效生成。它可为每个场景自动生成拟合音效与环境声，包括风声、水声、脚步声与背景配乐，让AI视频首次具备“情感维度”，实现真正的视听同步叙事。
在叙事控制上，可通过首尾帧、参考图像精确定义镜头节奏与故事走向。比如输入首尾帧，AI就能自动生成中间镜头，实现自然过渡或艺术化转场；基于上一个片段的最后一秒，还能生成连贯续拍，实现分钟级长镜头效果。
在输入与编辑能力上，Veo 3.1也有显著提升。
它可以将不同人物和物体的照片合成一个完整的场景，并配有声音。还能创建更长的片段，延续原始镜头中的动作。只需提供第一帧和最后一帧，Veo就会让整个场景栩栩如生，创建带有宏大转场的无缝视频。此外，谷歌首次在Flow中引入视频级“修图”功能。
Insert功能可添加任意元素，从人物、物体到奇幻生物，AI自动匹配阴影与光线，使其自然融入画面；Remove功能即将上线，用户可直接删除画面中的角色或物件，AI将重建背景，让“删除无痕”。这意味着AI创作从“一次性生成”迈向“反复编辑”，让视频制作更接近专业后期。
Veo 3.1目前已接入Gemini API与Vertex AI，普通用户可以直接在Flow或者Gemini中体验。
Flow的使用方式是打开网页labs.google/flow/about，新建项目后即可使用；Gemini可选择创建Video，就能使用Veo 3.1。有人用「威尔斯吃面」极简提示词和「奥特曼最后像钢铁侠一样飞走」进行测试，效果都非常流畅和自然。
Veo 3.1在技术规格上支持输出720p或1080p分辨率的视频，帧率为24帧/秒（fps）。视频时长可选4秒、6秒或8秒，若使用Extend功能，视频最长可扩展至148秒。
与前代Veo 3相比，Veo 3.1在三个维度实现突破：全链路音频生成、更强叙事控制力、更真实的质感还原，强化了光影、材质、动作细节，整体逼真度显著提升。
不过，这次的Veo 3.1更像「功能小升级」。新增首尾帧、多图参考等控制，但成片质感较Veo 3进步有限，甚至略微显得有点「假」。原生时长仍只有8秒，Flow延长至30秒画面偶有衔接问题，音频提升一般。基础物理表现比过去好些，但一遇到人物表演与复杂调度还是会露馅。这只是Veo 3到Veo 3.1的一次微调，值得期待谷歌年底配合Gemini 3全家桶发布的大招。
与OpenAI的Sora主打端到端生成不同，Google的Veo 3.1 + Flow路径更像是一个“AI创意工作台”。Sora如同AI摄影机，输入文字就能输出视频；而Veo 3.1 + Flow则相当于AI剪辑台、调色师和音效师的集合。这种“模块化创作”让Flow不仅是AI视频工具，更像是下一代Adobe Premiere与Midjourney的混合体。
AI的下一个战场，是谁能讲好故事，Veo 3.1能否挑战Sora 2，让我们拭目以待。
