继续对着OpenAI来，Google发布Veo2、Imagen3，Sora和DALL-E不香了|谷歌|veo|搜索引擎|labs|知名企业|openai|imagen|视频生成模型

用微信扫码二维码

分享至好友和朋友圈

新的一周，openai技术直播迎来了第8天。今日重点是chatgpt Search，从领衔登场的熟面孔、公司首席产品官 Kevin Weil 来看，这次发布仍以优化和完善产品功能为主。

与此同时，Google却在发布 Gemini 2.0 Flash 后继续在模型上发力，一口气推出新一代视频生成模型 veo 2 和图片生成模型 Imagen 3，还上线了一个可玩性很高的“图生图”实验项目 Whisk。

即便已近年尾，OpenAI和Google这对老冤家依然打得火热。而从社区反响来看，今天似乎又成了一个“Google主场日”。

ChatGPT 搜索集成地图，全球免费开放

OpenAI今天主要带来三项AI搜索更新：

ChatGPT 根据用户反馈全面提升了搜索体验，包括提升搜索速度、移动端增强和引入新的地图功能等。

• 移动端新增地图功能：

新增「地图」查看模式，支持用户通过 ChatGPT应用直接与地图交互，也是此次更新的最大亮点。以搜索 Mission 区墨西哥餐厅为例，点击地图上的图标即可查看餐厅图片、营业时间、露台信息及导航路径等详情。

• 默认搜索引擎的快速导航：将ChatGPT设为浏览器默认搜索引擎后，无需打开网站，通过在地址栏直接输入查询内容，即可快速调用ChatGPT并获取推荐链接。

2. 搜索功能集成高级语音模式

搜索功能已整合至高级语音模式中，支持边聊天边搜索的自然交互体验。

Veo 2与Imagen 3齐发，加推创意工具Whisk

来到Google这边，直接给视频和图像生成技术来了个大升级，推出三款重磅产品：

全新视频生成模型Veo 2、升级版图像生成模型Imagen 3，以及创意实验项目Whisk。

Veo 2重塑AI视频生成：质量与控制力双突破

Google最新发布的Veo 2在AI视频生成领域取得突破性进展。无论真实感、运动表现能力，还是镜头控制都达到当之无愧的SOTA水平。不少人在看过惊艳的官方示例后表示，SORA瞬间就不香了。

Veo 2在细节呈现、视觉风格和减少瑕疵方面表现出色，能够生成高达4K分辨率的视频，且时长可达数分钟，适用于广泛的场景和风格。

2. 物理与人类动态理解

Veo 2对真实世界物理原理以及人类动作与表情的细微之处有着深刻理解，显著提升了视频的真实感与自然度。

例如示例中这位穿着暗黄色防护服的科学家。冷白色实验室灯光下，她神情焦虑地调试显微镜，担忧的神情清晰可见，渲染出沉重压力的氛围。

以及下方，枫糖浆缓缓淋在松软的煎饼上，培根油脂细腻，咖啡倒入玻璃杯中冲出层次丰富的泡沫，都展示出媲美物理世界，真实诱人的画面细节。

Veo 2 深谙电影语言，支持丰富的指令细节：

• 指定风格与镜头（如“18mm镜头”生成广角效果）

• 提供电影效果（如“浅景深”聚焦主体，虚化背景）

• 精确的动态镜头控制，如低角度跟踪镜头、特写镜头等。比如镜头跟随下在马路快速漂移的汽车：

相较于其他视频生成模型，Veo 2在生成过程中更少出现多余的细节或“额外的手指”这类意外物体，确保输出结果更加真实可靠。

在实际应用评测中，通过meta发布的MovieGenBench基准数据集的1003组提示词测试，Veo 2在人工评估中全面超越其他领先的视频生成模型。特别是在以下两个关键指标上表现突出：

• 整体偏好度评分最高

• 提示词执行准确度领先

尽管表现优异，Veo 2在处理高度动态或复杂场景时仍面临挑战，特别是在整个视频中保持完全一致性方面还有提升空间。Google团队表示将持续优化性能，逐步克服这些难题。

所有Veo 2生成的视频均包含SynthID不可见水印，用于标识其为AI生成，减少误导和误用风险。

目前，Veo 2的新功能已在Google Labs视频生成工具VideoFX开放，用户可前往Google Labs申请加入候补名单。未来，Veo 2计划进一步集成到YouTube Shorts等产品中，持续推动AI视频生成技术的发展。

Imagen 3：极致细节与风格多样性的图像生成革新

升级后的 Imagen 3 在图像质量、细节呈现、风格多样性和文字渲染方面取得了显著提升，全面超越前代模型和其他领先竞品，成为文本到图像生成领域的新标杆。

1. 高清细节的优质图像

Imagen 3 生成的图像具备丰富的细节、更明亮自然的光影效果和更专业的构图水平，有效捕捉如皮肤质感、手部细微皱纹、编织玩偶针线等复杂纹理与微小细节，同时减少视觉瑕疵，呈现更加自然精致的高保真体验。

手部皮肤和陶土质感动物皮毛纹理细节

• 写实风格：如风景摄影、人物肖像。

人物肖像空中的千纸鹤

• 各种艺术风格：印象派油画、动漫、抽象画、黏土动画等。

黏土动画动漫风格油画风格

Imagen 3对自然语言提示的理解能力大幅提升，无需复杂的提示词工程即可准确执行用户意图。模型通过更丰富的训练数据标注，能准确理解长提示词中的复杂细节，并准确呈现指定的镜头角度、构图等元素。

4. 强大的文本渲染能力

AI作图此前的一大难点就是乱码和错字。如今Imagen 3 显著增强了文本渲染的准确性，也为风格化卡片、海报等应用场景提供了更多可能。

在严格的人工评估中，Imagen 3在视觉质量、提示词执行准确度和用户偏好度等关键指标上均创造新高。

从今天起，Imagen 3 将通过 Google Labs 的图像生成工具 ImageFX 在全球100多个国家上线。用户可访问 ImageFX亲身体验。

Whisk：图像驱动的AI创意工具

除了以上两个主要模型更新，Google Labs 还推出了一个趣味十足的实验项目 Whisk。

不同于传统需要输入冗长文字提示的方式，用户只需拖拽上传图片，即可分别指定主题、场景和风格，系统会自动完成元素的创意重组。还能依据兴趣选择样式，包括个性化的数字艺术品、徽章、贴纸、玩具等。

在技术实现上，Gemini 模型会先对输入的图像进行智能分析，生成详细的描述信息，并将这些描述输入 Google 最新的图像生成模型 Imagen 3，从而创作出全新的作品。

更清楚的操作过程，请看VCR：

由于看起来实在好玩，我们也迫不及待试了试，让水獭做主角，宫崎骏风格的海边壁纸做背景，并且输入“角色抱着皮球玩具”的补充提示，选择徽章样式。

目前，Whisk已在美国市场开放测试，手痒的朋友可以马上去labs.google/whisk体验了。这也标志着Google在生成式AI创意工具探索上迈出的重要一步。

在OpenAI今天的搜索功能直播中，虽然地图功能的加入收获了不少好评，但整体内容还是缺乏令人眼前一亮的新意。

相比之下，Google凭借Veo 2、Imagen 3 以及创意工具 Whisk 的强势推出，占尽主角光环。也再次彰显了其在生成式AI领域的强大技术实力。

连续发布的OpenAI有些后劲不足，不过，官方预告明天OpenAI将迎来一场mini Dev Day，期待会带来真正的惊喜。

下一篇：荣耀GT系列首款新品正式发布，性能与护眼科技