Veo 2

是什么

Veo 2 是 Google 于 2024 年 12 月 16 日公布的视频生成模型^[1]。这类模型接收文字提示，输出一段连续画面，也就是把描述变成会动的影像。Google 在公布时把它定位成一次进步：模型对真实世界物理规律的理解，以及对人体动作和表情细节的把握都更好了^[1]。

改进了什么

Google 给出的两个改进方向是「对真实世界物理的理解」和「人体动作与表情的细微之处」^[1]。这两件事相关但并不相同。物理指的是物体动得是否合理：被碰倒的杯子是不是像杯子那样倒下，倒出来的液体是不是像液体，弹起的球是不是按可信的方式一点点失去高度。动作和表情指的是脸与身体的细小之处：一个人说话时神情怎么变化，走路时重心怎么转移。这两类问题对生成模型来说都很难，因为视频要求相邻帧之间保持一致，而在一张静止图片里根本不会被注意到的错误，一旦画面动起来就变得非常显眼。

分辨率、时长与评价

Google 说 Veo 2 的输出分辨率最高可达 4K，时长可以延伸到数分钟^[1]。Google 还表示，人类评审员在与其他领先视频模型的对比中判定它达到了当前最好水平^[1]。这类比较依靠人把片段并排观看后作出判断，而不是一个单一数字，这在视频生成里很常见，因为「一段片子看起来对不对」并没有公认的自动衡量办法。

普通人怎么用到它

公布时，Veo 2 被加进了 Google Labs 的 VideoFX，并通过候补名单扩大访问范围^[1]。2025 年 4 月，它进入 Gemini 应用，面向高级用户开放^[2]；Veo 2 的视频生成能力扩展到了订阅 Advanced 的 Gemini 应用用户^[4]。这些用户拿到的能力比公布时说的要窄：Gemini 应用里的 Veo 2 片段是 8 秒、720p、16:9 横屏画幅，而且用户每月能生成的片段数量有上限^[4]。

接口版本

对开发者而言，这个模型以 veo-2.0-generate-001 的名字出现在 Gemini API 中，于 2025 年 4 月 9 日发布^[3]。这个接口的关停日期是 2026 年 6 月 30 日^[3]。Google 的弃用页面上列出的替代方案是 gemini-omni-1.2-flash，或者 Gemini Enterprise Agent Platform 上的 GA 模型^[3]。同一页面还说明，所列的关停日期是最早可能的日期，正式通知会另行发布^[3]——也就是说，这个日期是一个时间窗口的开端，而不是一个不会再变动的终点。

它留下的痕迹

Veo 2 公开存在的时间不长，却清楚展示了同一个模型可以被包装成多么不同的东西。公布时讲的是 4K 分辨率和数分钟时长^[1]；面向普通用户的服务给的却是 8 秒、720p、只能横屏的片段，外加每月次数限制^[4]。这两种说法并不矛盾，它们描述的是围绕同一个模型做出的不同产品；但放在一起看，就能区分两件容易混为一谈的事：模型本身能生成什么，和一款产品最终交到用户手里的是什么。接口那边的时间线指向同样的方向：一个有名字的版本，一个有公布的发布日期，一个有公布的关停日期，以及一个指定好的后继者^[3]。对关注视频生成的人来说，Veo 2 标记了 2024 年底这个领域所处的位置，也标记了此后围绕它的产品和接口被重新安排得有多快。