谷歌I/O大会王者归来：Gemini“世界模型” 初现，搜索“换脑”，一句话制作原声电影

人工智能学家 · 公众号 · AI · 2025-05-21 17:34

正文

请到「今天看啥」查看全文

：谷歌首次将扩散技术应用于文本生成，推出了实验性模型Gemini Diffusion，速度比肩此前顶级模型快5倍

Jules ：对标OpenAI的Codex，异步编码代理，可在后台处理错误修复和功能原型开发，需要注册等待才能使用

多模态能力大爆发

Google Meet ：新增实时翻译功能

Veo 3 ：视频生成能力大幅提升，生成具有4K逼真效果的视频，并支持原生音频、对话和噪声合成

Imagen 4 ：对标并超越OpenAI gpt-4o的图像生成能力，但是速度快了3倍，2K图像模型，在排版和文本图像生成方面更快、更准确

Flow ：全新的电影制作工具，与好莱坞导演共创“Flow”结合了Veo 3和Gemini的能力，可根据文本提示构建完整的电影场景

Flow让创作者能更直观地“导演”AI：上传自己的角色和场景素材，或用Imagen即时生成；通过精确的镜头指令，描述想要的画面，Flow会自动生成剪辑片段并保持角色和场景的一致性。你可以无限迭代、调整镜头、延长或修剪片段，就像在传统剪辑软件中一样。Flow的目标是让电影制作进入一个全新的“流动”状态，让创意自然生长，将电影创作从“按部就班”变成“灵感迸发”