谷歌近期为其视频AI技术Veo 2增添了一系列创新功能，旨在极大提升用户制作电影质感视频及编辑真实素材的效率。这些新增功能目前已在谷歌云的Vertex AI平台上开放预览，与此同时，谷歌也对文本转图像模型Imagen 3及音频相关的AI模型进行了重要的更新。
Veo 2的新功能亮点包括修复功能（inpainting）和外扩功能（outpainting）。据谷歌介绍，修复功能可以智能地移除视频中不需要的背景图像、标志或干扰元素，而外扩功能则能够扩展原始视频画面，利用AI生成的片段填充新增空间，实现与原始画面的自然融合，这一功能类似于Adobe在图像处理中的生成式扩展。
此次更新还赋予了Veo 2用户在生成视频时结合电影拍摄技巧预设与文字描述的能力，从而精准指导镜头构图、拍摄角度和节奏。预设选项包括延时摄影效果、无人机视角以及模拟不同方向的镜头平移等，为用户提供了更多创作自由度。
Veo 2还引入了插值功能，该功能能够在两个静态图像之间创建平滑的视频过渡，为视频开头和结尾序列添加新的帧，进一步增强视频的流畅度和专业感。
值得注意的是，Adobe的竞争对手产品Firefly视频模型也推出了类似的生成式AI视频扩展功能，并在Premiere Pro中上线。谷歌在Veo 2的输出中加入了SynthID数字归属水印，以保障内容的原创性，这与Adobe的内容凭证系统有异曲同工之妙。然而，Adobe明确表示其工具完全适用于商业用途，因为它们基于授权和公有领域内容训练，而谷歌在训练AI模型时则大量使用了网络抓取的内容。
在文本转图像模型方面，谷歌对Imagen 3的编辑功能进行了升级，据称可以显著提升移除物体的效果，使处理后的图像看起来更加自然。Veo 2和Imagen 3已被欧莱雅、卡夫亨氏等公司用于营销内容制作，显著缩短了制作周期。例如，卡夫亨氏的数字体验负责人贾斯汀·托马斯表示，原本需要八周才能完成的任务，现在仅需八小时即可完成。
在音频领域，谷歌推出了文本转音乐模型Lyria的私人预览版，并为合成语音模型Chirp 3新增了“即时定制语音”功能。谷歌表示，Chirp 3现在能够仅从10秒的音频输入中生成逼真的定制语音。谷歌还推出了一项新的转录功能预览，该功能能够识别并分离多人对话中的不同说话者，为多方参与的谈话提供更清晰的转录结果。
这一系列更新只是谷歌近期宣布的AI相关消息的一部分。谷歌还透露，其效率优化型Flash模型的最新版本Gemini 2.5 Flash即将登陆Vertex AI，该版本能够根据任务的复杂程度自动调整处理时间，从而更快地为简单请求提供结果。
谷歌本周还将更新其面向企业的Agentic AI工具，使AI代理能够在不同平台（如PayPal和Salesforce）之间无缝沟通并执行任务。同时，谷歌云市场也将推出一个新板块，供企业浏览和购买由第三方谷歌合作伙伴构建的AI代理。
