商傳媒｜責任編輯／綜合外電報導
摘要
AI 影片生成技術正從實驗階段走向實用化，Google 的 Gemini Omni 模型家族與 Veo 3 模型扮演關鍵角色，兩者皆強化了影音生成能力、提升對提示詞的理解、並支援多模態輸入與對話式編輯，讓創作者能更有效率地製作與優化影片內容。
人工智慧（AI）影片生成技術正從實驗性階段邁向實用化工具，顯著提升了內容創作的效率與普及性。近日，兩項關鍵技術進展——Veo 3 模型與 Google 的 Gemini Omni 系列，正引領 AI 影音進入下一個演進階段。
Veo 3 具備更強大的影音生成能力，讓創作者能透過提示詞（prompt，給 AI 的指令）精確指定影片的視覺與音訊元素。這些提示詞可以細緻描述場景、運鏡、光線、主題行為、氛圍，甚至連音效都能納入考量，讓使用者無需傳統繁瑣的製作流程，也能產出更精緻的影片內容。相關平台如 Veo3-AI.io，已提供用戶透過文字與視覺輸入來體驗 Veo 3 的影片生成功能，簡化了複雜的 AI 製作管線。
另一方面，Google 新推出的 Gemini Omni 模型家族，結合了 Gemini 的 AI 智能與生成式媒體能力。其中的 Gemini Omni Flash 能以文字、圖像、音訊及現有影片作為參考輸入，進行內容的生成或編輯。這款模型也支援對話式影片編輯，允許使用者以自然語言指令修改影片，同時能維持上下文的連貫性。這代表 AI 不僅能理解參考資料、維持角色與物件的一致性、遵循複雜指令，還能生成合適的音訊，並自然地優化成果。
總體而言，AI 影片工具的發展重心正從單次點擊生成，轉變為更具互動性的創意工作流程。這使得視覺概念的製作、測試與優化過程變得更快速、更容易實現，為創作者開啟了前所未有的創作可能性。