Veo / Imagen 多模态· 大模型百科

Veo 是 Google DeepMind 的视频生成模型家族，2024 年 Google I/O 首次亮相，定位对标 OpenAI 的 Sora。Veo 2（2024-12）以 4K 分辨率与出色的物理一致性奠定口碑；Veo 3（2025-05）首创「原生音频视频一体生成」，角色对白、音效、配乐一次成片，引爆全网。2026 年 4 月发布的 Veo 4 支持 4K@120fps、15–30 秒时长与多模态输入，人物一致性与时序稳定性大幅提升，经 Google AI Studio API 开放。图像侧，Imagen 系列演进出 Nano Banana / Nano Banana Pro（Gemini 系图像编辑模型），在 Arena 图像榜长期霸榜。Veo 已深度集成进 Gemini App、Flow 电影工具与 YouTube Shorts。与 OpenAI Sora、快手可灵一起，构成全球视频生成的第一梯队。谷歌的多模态生成矩阵（视频 Veo + 图像 Imagen + 音乐 Lyria）是业界最完整的一家。