北京
我腦子里已經有一場完整的戲。一個女人走進被雨水浸透的小巷，霓虹燈在潮濕的空氣中嗡嗡作響，她抬頭，鏡頭后拉，城市天際線顯露出來。大約四十秒，電影質感。我看過介紹，說Veo 3.1能做“長達一分鐘”的視頻，就以為一段精心編寫的提示詞差不多就能拿到完整素材。
返回的片段驚艷到我了。雨水的質感真實，水洼里的霓虹倒影在閃爍。甚至自動生成了環境音——濕輪胎碾過路面的嘶嘶聲，遠處一聲汽車鳴笛。而這段視頻，剛好八秒。這幾乎是整個故事的全部真相。
Veo 3.1到底是個什么東西，得說清楚。它是谷歌深度思維推出的視頻生成模型。你輸入一段文字提示，或者給一張初始圖片，它就生成一段短的、電影化的片段，1080p分辨率，自帶同步音頻——包括對話、音效和環境音，全都是模型自己生成的。支持文字轉視頻和圖片轉視頻兩種模式，畫面動態和口型同步效果明顯比上一版要好。但最關鍵的數字，也是最容易被營銷頁面藏起來的數字是：單次生成大約只有八秒。我用的那個工具，每生成一段消耗35個積分，新注冊賬戶會送一些免費額度。
憑一句話拿到真正電影級畫面的八秒片段，客觀講，這很了不起。換作以前，這樣一個鏡頭意味著需要一臺攝影機、找一處實景、耗費一個下午。而我只花了幾分鐘，免費拿到手。麻煩出現在我想看到第九秒的時候。
所謂的“長達一分鐘”到底是怎么來的？這就是我看完之后才搞清楚，也希望產品落地頁上能直說的事情。Veo 3.1并不能一次性生成一分鐘長的視頻。它提供的是場景延展功能：抓取你當前片段的最后一刻，基于此繼續生成下一個八秒。你可以重復這個操作，把延展片段連續拼起來，最多大約二十次。這樣才湊出“一分鐘”。谷歌自己的頁面在這一點上是誠實的，說的是通過“延續上一鏡的最后一秒”來把片段延展成“更長、更動態的視頻”。
我用的那個體驗工具，在這一點上表述本身有矛盾：一個地方的表格暗示用戶能拿到約一分鐘的成片，而常見問題一欄又坦承每個片段被限制在八秒，時長靠不斷延展獲得。兩種說法同時成立，恰好解釋了人們為什么會感到困惑。所以你需要建立的認知模型是：不是“寫一條提示，得到一分鐘成片”，而是“先做八秒，再延展，再繼續延展，每次都要引導模型朝你需要的方向走”。這完全是另一種手藝，更接近剪輯工作，而不是一次許愿式的輸出。
這個限制為什么真的重要？因為它直接改變了你應該嘗試去創作什么類型的內容。當我停止和這個八秒天花板較勁，轉而圍繞它來設計內容時，工具突然變得好用太多。一個單獨的戲劇性節拍，一件產品在光線中旋轉展示，一段標志動畫，一個可以放進更長剪輯中的定場鏡頭。這些都是剛好八秒能完成的活兒。
一旦想明白這點，你就會意識到，Veo 3.1以及這代產品目前瞄準的，是把單一鏡頭做到極致，而不是取代一場完整的敘事。它給予的畫面素質和聲音同步能力，放在一個短到只有八秒的時間窗口里，幾乎讓人覺得奢侈。而如果你想自己拼出一段更長的敘事線，那就意味著你接下了導演、剪輯和節奏控制的全部責任——一條提示詞解決一切的時代，還沒到。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
