产品应用8

谷歌Veo 3实现视频音画同步

机器之心2025-05-21

AI 摘要

谷歌发布Veo 3，首次实现AI视频音画同步，能自动生成与画面匹配的对话、音效。其基于DeepMind的V2A技术，虽时长仅8秒且面向美高级会员，但标志视频模型进入“视听一体”新阶段。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

谷歌 GR2 模型：让机器人有了‘腿’

谷歌发布 Gemini Robotics 2（GR2），能将相机图像和文字指令转为机器人关节控制命令，可同时控制人形机器人腿、躯干、手臂和手部，简化模型训练和设计，不过谷歌未公布其基础模型等信息。

DeepMind换帅一周后震荡持续，谷歌将拆分它，把部分非技术团队转入谷歌汇报体系。谷歌联合创始人谢尔盖·布林重新介入Gemini。此外，Gemini因算力、内讧、官僚等问题落后。

Jeff Dean在顶会KDD 2026晒出自己在谷歌离职前48小时的时间表。他忙碌告别，还正常上课、踢球，最后一刻“失业”，旋即成为Discovery Loop联创兼CEO。他为谷歌贡献巨大，告别会有1500人参加。

7月31日MiniMax H3和字节跳动Seedance 2.5同日发布，3天后H3开源，8月7日Seedance 2.5开放api。模型变强使产品层要做的事更多，视频Agent需解决生产问题，竞争走向模型层之上。