模型定位
Veo 3 是 Google 发布的视频生成模型,能够根据提示生成带同步音频的视频,面向视频创作和视觉叙事。(blog.google)
能力与用途
- 支持文本和图片提示,可将提示中的短故事转化为视频片段。
- 可生成环境声、音效和人物对话;Google 还强调其物理表现和口型同步能力。
- 可用于构思视频内容、快速迭代创意和电影式叙事。(blog.google)
限制与可用性
- 生成结果并非总是准确:Google 指出,Veo 系列的自然、连贯语音和音画同步仍有改进空间。
- Veo 3 输出包含 SynthID 水印。具体功能、使用额度和可用地区取决于接入平台及版本。
- 发布时,美国的 Google AI Ultra 订阅用户可在 Gemini 应用和 Flow 中使用,企业用户可通过 Vertex AI 使用。Vertex AI 的公开预览于 2025 年 6 月 26 日面向所有 Google Cloud 客户和合作伙伴开放。(deepmind.google)
发布日期
2025 年 5 月 20 日,Google 在 I/O 2025 官方公告中发布 Veo 3。输入中的发布标识为 veo-3-preview;该标识不应直接视为已核实的 API 模型 ID。(blog.google)
价格
- **历史预览报价,非当前报价:**Google 于 2025 年 7 月 17 日公布的 Gemini API 付费预览价为 0.75 美元(USD)/秒,计费对象为生成的视频及音频输出;公告未单列文本输入价格。该报价不应视为 2025 年 5 月发布当天或当前的有效价格。查询日期:2026 年 11 月 18 日。(developers.googleblog.com)
- 当前针对输入中
veo-3-preview发布标识的独立输入及输出价格:未核实。