谷歌周四表示,正在通过其Gemini应用为Veo 3 AI视频生成器增加图像转视频生成功能。
该公司此前已在其AI驱动的视频工具Flow中推出了这项功能,Flow于5月在谷歌I/O开发者大会上首次发布。
在5月推出基于Veo 3的视频生成功能后,截至上周,谷歌已在150多个国家提供该功能。目前,只有Google AI Ultra和Google AI Pro计划用户可以生成视频,每天限制三次创作且不可累积。
谷歌表示,用户可以通过在提示框的工具菜单中选择"视频"选项并上传照片来生成视频片段。用户还可以通过在提示中描述音频来添加声音。视频生成后,可以下载或与他人分享。
该公司指出,自7周前发布以来,用户已通过Gemini应用和Flow工具创建了超过4000万个视频。所有使用Veo 3模型生成的视频都会带有显示"Veo"的可见水印,以及不可见的SynthID数字水印,这是谷歌AI工具用来识别AI生成数字内容的技术。
今年早些时候,该公司还发布了一个帮助检测包含SynthID内容的工具。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。