谷歌母公司Alphabet(GOOGL.US)宣布，将面向付费用户开放"照片转视频"功能，这项年初仅限小范围测试的人工智能工具现正式登陆Gemini人工智能助手。
该公司声明称，自周四起，特定地区订阅Google AI Ultra和Pro计划的用户可通过Gemini网页版使用该功能，移动端应用将在本周内陆续推送更新。
这项新功能允许用户基于单张照片及文本描述，生成带声音的8秒短视频。生成的MP4格式视频分辨率为720p，采用16:9横向画幅。
此次更新使该功能直接集成至Gemini聊天界面，标志着谷歌在AI视频领域与美国竞争对手OpenAI、Runway AI Inc.保持同步。全球市场竞争同样激烈：中国阿里巴巴集团、AI初创企业Manus和快手科技过去数月均发布了升级版视频工具。
该功能由谷歌五月在开发者大会发布的最新一代视频生成模型Veo 3驱动，此前仅限通过独立付费影视工具Flow使用。
谷歌强调已采取"重要后台措施确保视频生成符合规范"，例如禁止使用公众人物(包括名人、政要及知名企业家)图像生成视频，其政策同时禁止煽动危险行为、暴力或群体攻击的内容。
但测试显示技术仍存缺陷。媒体在Gemini网页版实测中发现：上传个人照片要求生成人物讲话视频时，输出结果多次改变面部特征甚至人种；虽然能成功实现"植物随风摆动"或"静态猫片说话"等简单指令，但对"照片人物跳霹雳舞"等复杂要求，仅生成人物挥手画面。
谷歌发言人就测试结果回应称，AI模型并无修改人物外貌的设定指令，照片转视频及面部动画仍属新技术，可能基于单张图像生成与原始内容不符的结果。
该模型更擅长活化其他场景，如日常物品动画化、画作动态化及自然照片增运动效果，公司将在后续更新中持续改进包括面部动画在内的各项功能。
还没有评论，来说两句吧...