谷歌版Sora升级4K高清！一句话控制镜头运动，跑分叫板可灵海螺

OpenAI直播划水的一天，谷歌版Sora迎来了它的2.0——

Veo 2，根据文本或图像生成更为高质量的视频。

从官方介绍中看，此次主要有三个方面的升级。

分辨率能达到4K；能够理解有关镜头控制的Prompt；更注重现实物理世界与人类表情的理解和展示。

在官方账号底下，大家都对这些效果表示了惊叹：

我真的想谷歌输掉比赛，但是谷歌没有输。

另外，图像生成模型Imagen 3也有进一步的改进。

谷歌版Sora2.0：重新定义质量和控制

质量和控制，是此次视频模型升级的关键词。

除了显而易见的清晰度的提升——最高可达4K分辨率，它能够忠实地遵循简单和复杂的指令Prompt，并令人信服地模拟现实世界的物理以及各种视觉风格。

具体体现在它的真实感和保真度上，比如细节、伪影减少等方面都有显著改进。

还有高级的运动功能，基于对物理学的理解，能够更高精度的表示运动。

还能准确地遵循各种镜头控制类的Prompt，比如拍摄风格、角度、动作以及所有这些的组合。

那么在根据人类对其性能的评估中，Veo 2 的表现优于其他领先的视频生成模型

在Meta基准数据集 MovieGenBench上，人类参与者观看了1003个提示和响应的视频。

结果显示，跟市面上的主流视频生成模型相比，Veo2.0在整体偏好、Prompt指令准确遵循方面都表现最佳。

值得一提的是，这里除了Sora，国产模型可灵、MiniMax都上桌了。

所有的比较都在720P分辨率下进行，Veo 采样时长为 8 秒，VideoGen 采样时长为 10 秒，其他型号采样时长为 5 秒。我们向评分者展示完整视频时长。

最后，他们表示，创建逼真、动态或复杂的视频，并在复杂场景或复杂运动的场景中保持完全一致性仍然是一项挑战。他们将继续开发和改进这些领域的性能。

图像模型Imagen 3也增强了

除此之外，还增强了他们的图像生成模型Imagen 3。

可以生成更多样化的艺术风格，如现实主义、梦幻、肖像画等等。

生成的图像会更忠实于Prompt，哪怕这个Prompt有多么地离谱。（Doge）

而从各种生成的图像来看，视觉效果也比之前更明亮，构图也更加平衡。

好了，感兴趣的朋友可戳下方链接了解更多详情。

参考链接：[1]https://deepmind.google/technologies/veo/veo-2/[2]https://x.com/GoogleDeepMind/status/1868703624714395907[3]https://deepmind.google/technologies/imagen-3/