真碾压Sora了！谷歌Veo 3首次实现音画同步，视频模型直接「开口说话」

机器之心报道 编辑：Sia 还记得 2023 年 AI 视频最出圈的片段吗？ 威尔·史密斯吃面，动作鬼畜，画面寂静—— 当时的视频大模型，只会动，不会说话。 Sora 的发布让视频质量飞跃、物理规则建模进步巨大，也直接引爆了整条赛道。 更麻烦的是，配完音还可能对不上节奏——口型和对白不同步，脚步踩不到点上，情绪氛围总差一口 气。 直到今天，谷歌正式发布 Veo 3。AI 视频， 终于能「开口说话」了—— Veo 3 不仅能生成高质量视频，还能理解视频中的原始像素，自动生成与画面同步的对话、多种音效。 翻译成中文—— 只用一个提示词，你就能得到 画面+ 对白+唇动对齐+拟音音效 一气呵成的视频。 Runway、Pika、Luma、Kling、Genmo、Higgsfield、Lightricks 等初创公司，以及 OpenAI、谷 歌、阿里、字节等科技巨头，纷纷入局。 但无论画质如何进步，视频还是「哑巴」—— 你可以让人物奔跑、翻转，甚至做出慢动作，但如果想让角色说话、听到风声、脚步声，甚至感受到炒 菜时锅里的滋滋声？ 对不起，还得自己导音频。 提示语 ：90 年代酒吧里的情景喜剧场景，背景墙上的霓虹灯写着 「 ...