谷歌版Sora升級4K高清！一句話控制鏡頭運動，跑分叫闆可靈海螺

OpenAI 直播劃水的一天，谷歌版 Sora 迎來了它的 2.0 ——

Veo 2，根據文本或圖像生成更爲高質量的視頻。

從官方介紹中看，此次主要有三個方面的升級。

比如分辨率能達到 4K。

能夠理解有關鏡頭控制的 Prompt。

更注重現實物理世界與人類表情的理解和展示。

在官方賬号底下，大家都對這些效果表示了驚歎：

我真的想谷歌輸掉比賽，但是谷歌沒有輸。

另外，圖像生成模型 Imagen 3 也有進一步的改進。

谷歌版 Sora2.0：重新定義質量和控制

質量和控制，是此次視頻模型升級的關鍵詞。

除了顯而易見的清晰度的提升——最高可達 4K 分辨率，它能夠忠實地遵循簡單和複雜的指令 Prompt，并令人信服地模拟現實世界的物理以及各種視覺風格。

具體體現在它的真實感和保真度上，比如細節、僞影減少等方面都有顯著改進。

還有高級的運動功能，基于對物理學的理解，能夠更高精度的表示運動。

還能準确地遵循各種鏡頭控制類的 Prompt，比如拍攝風格、角度、動作以及所有這些的組合。

那麽接下來直觀地感受一下效果。

Prompt：特寫鏡頭聚焦于一位女 DJ 的臉部，她美麗、濃密的黑色卷發勾勒出她的五官，她完全沉浸在音樂中。她閉上雙眼，沉浸在節奏中，嘴角挂着一絲微笑。當她随着節拍點頭和搖擺時，相機捕捉到了她頭部的細微動作，她的身體本能地随着耳機中傳出的音樂而做出反應，傳到人群中。淺景深使背景變得模糊。她被鮮豔的霓虹色包圍着。特寫鏡頭強調了她迷人的氣質以及音樂傳遞和超越的力量。

還有是這種集體的蜂群也能刻畫出來。

Prompt：鏡頭輕輕飄過一排排粉刷過的木制蜂箱，嗡嗡作響的蜜蜂在畫面中進進出出。鏡頭落在站在畫面中央的優雅農民身上，他潔白的養蜂服在金色的午後陽光下閃閃發光。他舉起一罐蜂蜜，稍微傾斜以捕捉光線。在他身後，高大的向日葵在微風中有節奏地搖曳，花瓣在溫暖的陽光下閃閃發光。鏡頭向上傾斜，露出一座複古的農舍，百葉窗是薄荷綠色的，搖曳的樹木在牆上投下斑駁的陰影。用 35 毫米鏡頭在柯達 Portra 400 膠片上拍攝，金色的光線在農民的手套、果醬罐和蜂箱的風化木材上形成了豐富的紋理。

還可以切換鏡頭，從近景到遠景，而在鏡頭之下，不管是蜂蜜還是咖啡的泡沫細節都有精确地刻畫。

Prompt：太陽在一盤擺放整齊的早餐場景後緩緩升起。濃稠的金色楓糖漿以慢動作倒在松軟的煎餅上，每一塊煎餅都散發出柔軟溫暖的蒸汽雲。特寫鏡頭中，脆培根發出嘶嘶聲，金色油脂的細小餘燼在空中飛舞。咖啡以順滑的旋轉動作倒入水晶般透明的杯子中，杯子裏充滿了深棕色的咖啡油層。場景結束時，相機俯沖到新鮮切好的橙子上，以令人驚歎的微距細節展示出它明亮多汁的果肉。

那麽在根據人類對其性能的評估中，Veo 2 的表現優于其他領先的視頻生成模型

在 Meta 基準數據集 MovieGenBench 上，人類參與者觀看了 1003 個提示和響應的視頻。

結果顯示，跟市面上的主流視頻生成模型相比，Veo2.0 在整體偏好、Prompt 指令準确遵循方面都表現最佳。

值得一提的是，這裏除了 Sora，國産模型可靈、MiniMax 都上桌了。