Veo 视频生成 从一句话到一段短视频
它是什么
Veo 是 Google DeepMind 开发的视频生成模型，集成在 Gemini App 里。你用自然语言描述一个场景，它能生成一段 8 秒以上的短视频（分辨率和时长取决于订阅等级）。
2025 年 Google I/O 上发布 Veo 3，是全球首个原生支持音效、背景噪音和角色对话的视频生成模型——其他模型（Sora、Runway）都是后期配音频。
订阅等级差异
| 功能 | 免费版 | AI Plus | AI Pro | AI Ultra |
|---|---|---|---|---|
| Veo 基础版 | 可用（部分场景） | 可用 | 可用 | 可用 |
| Veo 3 原生音效 | 不可用 | 可能可用 | 可用 | 可用 |
| 视频时长 | 较短 | 中等 | 较长 | 最长 |
| 生成速度 | 慢 | 中 | 快 | 最快 |
| 分辨率 | 较低 | 中等 | 较高 | 最高 |
注意：Veo 3 在 2025 年底仅在美国对 AI Ultra 订阅开放，其他地区和订阅陆续推出。免费版可能只获得 Veo 基础版或不开放。
怎么用
- 打开 Gemini App → 底部快捷图标栏 → 📹 视频生成
- 输入 Prompt：
一只橘猫在阳台上追蝴蝶，阳光明媚，慢动作，电影感
- 选择时长和分辨率（取决于可用选项）
- 等待生成（比图片慢，通常几十秒到几分钟）
- 可以继续迭代："把猫换成狗"、"背景换成雪天"、"加一段欢快的背景音"
Prompt 技巧
好 Prompt 的三要素
[主体/动作] + [场景/氛围] + [技术参数]示例：
一只小企鹅在南极雪地里滑行，雪从天空飘落，广角镜头，4K，24fps，电影感光线
指定音效/对话
Veo 3 原生支持：
咖啡厅里的人流声 + 咖啡机蒸汽声 + 窗外雨声，营造一个温暖的氛围一段采访视频：主持人问了一个问题，嘉宾用英语回答，带现场观众的笑声
常见风格标签
- 电影感（cinematic）
- 纪录片风格（documentary）
- 动画风格（anime / Pixar / Ghibli）
- 慢动作（slow motion）
- 快剪（fast cut）
- 航拍（aerial shot）
- 第一人称（POV）
和其他视频模型的对比
| 维度 | Veo 3 | OpenAI Sora | Runway Gen-3 | Kling 可灵 |
|---|---|---|---|---|
| 原生音效 | ✅ | ❌ | ❌ | ❌ |
| 原生对话 | ✅ | ❌ | ❌ | ❌ |
| 时长 | 8s+ | 60s | 10s+ | 10s+ |
| 免费可用 | ✅（受限） | ❌ 仅 ChatGPT Pro | ❌ 付费 | ✅（限量） |
| 在 Gemini App 里 | ✅ | ❌ | ❌ | ❌ |
| Google 搜索/知识 | ✅ | ❌ | ❌ | ❌ |
典型场景
场景一：创意 Demo 快速原型
你：帮我生成一段 15 秒的产品发布动画，产品是一个智能手表，
科技感、深色调、有发光效果，配一段未来感的电子音效
Gemini：（生成视频）
你：再出一个版本，主体颜色换成银色，背景换成蓝色场景二：社交媒体内容
你：帮我做一个 Reels/TikTok 风格的视频，主题是"周末的咖啡店日常"，
10 秒，9:16 竖版，配轻松的背景音乐（Veo 3 原生生成）场景三：教育/培训素材
你：生成一段 8 秒的科普动画：恐龙化石被挖掘出来的过程，
配一段旁白"这是一只 6500 万年前的霸王龙化石"限制
- 时长和分辨率受订阅等级限制
- 免费版有每日配额
- 涉及真实人物的视频生成有限制（不能深度伪造）
- 生成速度比图片慢很多
- 复杂场景的物理逻辑可能出错（比如人物走路姿势不自然）
- 音频生成（Veo 3 主打）可能和画面不完全同步