北京时间10月16日，就在Sora 2发布半个月后，谷歌火速推出了最新视频模型Veo 3.1和Veo 3.1 Fast，正面迎战OpenAI，AI视频模型竞争进入白热化阶段。

　　在官方推文中，谷歌称“Veo正在进行重大升级”，不过，从国内外各方实测来看，从Veo 3到Veo 3.1，确实如名字一样，只是进行了一次小的迭代，在画质、物理上的提升并不算大，在AI音频、自动分镜等方面都不如Sora 2，但Veo 3.1的光影效果更突出，生成速度更快，成为视频生成赛道的重要变量。

　　视频生成赛道的竞争越发激烈。今年5月，谷歌发布Veo 3并一度占据文生视频模型榜首，但本月初Sora 2迅速抢走风头。距离上一代模型更新仅5个月后，谷歌推出Veo 3.1，而OpenAI也在同日更新Sora 2，支持普通用户生成15秒视频，专业用户生成25秒视频，两大巨头的竞争态势愈发明显。

　　就模型本身来看，谷歌Veo 3.1的核心亮点是更丰富的原生音频生成、更强的电影风格理解与叙事控制，以及更逼真的质感还原。Veo 3.1在多个功能中集成了音频，支持自然对话、音效和环境噪音，在视频画面生成的同时，模型会自动根据画面内容生成环境音、动作声及氛围配乐，尤其在对话上，过去生成科幻短片音频可能像机器人朗读，现在能模拟出紧张的背景配乐与人物语言。

　　今年5月，谷歌正式推出Flow，一款由Veo驱动的AI电影制作工具，用户已在Flow中生成超过2.75亿个视频，此次迭代也包括Flow里的多个核心功能升级。业界讨论较多的是首尾帧功能，用户提供视频起始和结束的两张图像，模型即可生成平滑过渡的画面镜头，即使是看起来毫不相关的两张图，AI也能通过想象力将其合理化。

　　此外，视频延展功能支持用户从前一剪辑的最后一秒扩展视频，可以生成比原始生成8秒视频更长的片段，持续一分钟或更长时间，这对专业创作者来说十分必要。在素材生视频功能里，用户可以上传多张参考图像，系统自动生成包含指定角色与场景风格的完整视频，还可以通过Remove功能移除画面中的物体或者人物。

　　不过，这些功能虽是谷歌首次推出，但在业界并不稀奇，国内众多视频模型早已经有类似首尾帧、素材生视频功能。在模型性能方面，用户测试显示，Veo 3.1在提示词遵循、视听质量与音频支持方面比Veo 3提升约两到三成，基础物理模拟也有进步，但在复杂画面中仍会出现问题，例如生成的体操视频画面中人会多出部分肢体，整体性能较Veo 3提升不大。

　　Veo 3.1能否战胜Sora 2？这也是业界评测关注的重点。根据网友测试，两个模型各有优缺点，但Sora 2整体得票数更多。Sora 2在微观写实、光影与物理细节上更常被认可，配音方面也有许多测试显示Sora 2的音频更加自然，另外Sora 2特别之处在于自动分镜，对视频叙事帮助显著，这方面Veo 3.1的镜头变化较为保守，此外对物理世界的理解不如Sora 2。

　　在视频长度上，Veo 3.1支持输出最长8秒的视频，Sora 2最新更新后，普通用户可以生成长达15秒的视频。不过，Veo 3.1的优点是生成速度，要比Sora 2快很多，目前Sora 2要等数分钟才能得到结果。此外，谷歌在多模态生态上更为成熟，此前发布的图像模型“Nano Banana”引发广泛关注，谷歌在图像与视频模型的联动可以形成完整的创作闭环。

　　Veo 3.1目前处于预览阶段，用户可以在Gemini API、Vertex AI、Gemini应用以及Flow上面付费使用。在接口价格方面，Veo 3.1标准版是0.4美元/秒，快速版是0.15美元/秒，对比Sora2则是0.1美元/秒，Sora2-pro是0.3美元/秒，在价格上的吸引力不如Sora2。

　　总结来看，行业认为Veo3.1未到超越Sora2的地步，但这仅是Veo 3到Veo 3.1的一次微调，行业更期待谷歌在下一次大版本更新中扳回一局。回望视频生成赛道，谷歌与OpenAI的拉锯战从未停止，2024年初Sora横空出世引发行业震动，同年5月谷歌推出Veo 1正式迎战，至12月Veo 2在物理模拟与风格一致性上取得突破，当时业界普遍认为Veo 2更优。2025年5月Veo 3发布登顶多榜，然而10月初OpenAI抛出“王炸”Sora 2再度改写竞争格局。两大科技巨头都还在AI视频领域持续加码，国内玩家如可灵、海螺AI、即梦等也都有不小的竞争力，视频生成大战中尚无一家具备绝对统治力，AI视频的“GPT-3.5时刻”仍未到来，未来行业变数仍然很大。

（文章来源：第一财经）