4 月 10 日消息，谷歌為其視頻 AI 模型 Veo 2 推出新功能，旨在幫助用戶更輕松地生成具有電影質感的畫面以及編輯真實視頻。這些新增的 Veo 2 功能目前可通過谷歌云的 Vertex AI 平臺進行預覽，與此同時，谷歌還對文本轉圖像生成器 Imagen 3 以及音頻相關 AI 模型進行了更新。

據IT之家了解，Veo 2 的新功能包括修復功能（inpainting）和外擴功能（outpainting）。谷歌表示，修復功能可以自動移除視頻中的“不想要的背景圖像、標志或干擾元素”，而外擴功能則能夠將原始視頻的畫面進行擴展，該工具會用 AI 生成的視頻片段填充新增的空間，使其與原始片段自然融合，類似于 Adobe 為圖像提供的生成式擴展功能。

此次更新還允許 Veo 2 用戶在生成畫面時，將電影拍攝技巧預設與文字描述一同選用，以便指導最終結果中的鏡頭構圖、拍攝角度和節奏。例如，預設包括延時效果、無人機視角以及模擬不同方向的鏡頭平移等。

此外，Veo 2 新增了一種插值功能，能夠為兩個靜態圖像之間創建視頻過渡，為開頭和結尾序列填充新的幀。

Adobe 的競爭產品 Firefly 視頻模型也具備一些類似的功能，其生成式 AI 視頻擴展功能于上周在 Premiere Pro 中推出。谷歌還在其 AI 生成的輸出中加入了 SynthID 數字歸屬水印，類似于 Adobe 的內容憑證系統。不過，Adobe 進一步承諾其工具完全可用于商業用途，因為它們是基于授權和公有領域內容進行訓練的，而谷歌在訓練其 AI 模型時大量抓取了網絡上的內容，無法達到這一標準。

在文本轉圖像模型 Imagen 3 方面，谷歌對其編輯功能進行了更新，聲稱可以“顯著”提升自動移除物體的效果，使移除干擾元素后的結果看起來更加自然。Veo 2 和 Imagen 3 已被包括歐萊雅和卡夫亨氏在內的公司用于營銷內容制作。卡夫亨氏的數字體驗負責人賈斯汀?托馬斯表示，過去需要八周才能完成的任務，現在只需八小時。

在音頻領域，谷歌推出了其文本轉音樂模型 Lyria 的私人預覽版，并為其合成語音模型 Chirp 3 推出了“即時定制語音”功能。谷歌稱，Chirp 3 現在能夠從 10 秒的音頻輸入中生成“逼真的定制語音”，并且正在推出一項新的轉錄功能預覽，該功能可以識別并分離出多人對話中的各個說話者，從而為多參與者的談話提供更清晰的轉錄。

這些更新只是谷歌今日宣布的一系列 AI 相關消息中的一部分。谷歌效率優化型 Flash 模型的最新版本 Gemini 2.5 Flash 即將登陸 Vertex AI。谷歌表示，Gemini 2.5 Flash 會根據任務的復雜程度“自動調整處理時間”，以便為簡單請求提供更快的結果。

此外，谷歌本周還將更新其面向企業的 Agentic AI 工具，使 AI 代理能夠在不同平臺（如 PayPal 和 Salesforce）之間相互溝通并執行任務。同時，谷歌云市場將推出一個新板塊，供企業瀏覽和購買由第三方谷歌合作伙伴構建的 AI 代理。