跳到正文

#Veo

今日 0 条
9月25日周五
  1. Google DeepMind（Veo）62

    Google DeepMind 推出 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音对话结合，让企业智能体具备会听、会看、会说的动态视觉形象，即日起在 Gemini Enterprise 上线。

    推荐理由：官方给出 Live Avatar 的可用范围、多语言同步与自定义头像的开放条件，可据此判断能否接入企业对话场景。

9月10日周四
9月2日周三
  1. Google DeepMind（Veo）66

    Google DeepMind 为 Gemini 3.7 Flash 等模型推出 agentic 视频理解

    Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出 agentic 视频理解，通过原生视频工具动态搜索、扫描和检查目标片段，替代固定帧率的静态处理。

    推荐理由：原文给出该功能在三个 Gemini 模型上的 token、成本与准确率变化区间，并说明 API 开启方式，便于开发者判断是否接入。

8月28日周五
  1. ComfyUI 官方博客71

    Gemini Omni 1.1 Flash 上线 ComfyUI，支持 4K 输出与视频编辑

    Gemini Omni 1.1 Flash 通过 Partner Nodes 接入 ComfyUI，在 Gemini Video Omni 节点中可选 Omni Flash 1.1，单个节点覆盖文生视频、图生视频、参考生视频、视频编辑和场景延展。

    推荐理由：原文给出 Gemini Omni 1.1 Flash 在 ComfyUI 节点中的任务类型、分辨率档位与提示词写法，可据此判断能否接入现有工作流。

7月1日周三
  1. Google DeepMind（Veo）80

    Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash

    Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快、成本最低的图像模型，后者支持高质量视频生成与对话式编辑。

    推荐理由：原文给出两款新模型的定价、延迟与能力边界，读者可据此判断能否接入自己的图像与视频工作流。

5月18日周一
  1. Google DeepMind（Veo）62

    Google DeepMind 为 Project Genie 加入 Street View 实景锚定能力

    Google DeepMind 在实验性原型 Project Genie 中上线 Street View 实景锚定能力，用户可在地图上选择美国地点并搭配风格与角色描述，生成起始位置对应真实街景的交互世界。

    推荐理由：原文说明了 Street View 实景锚定在 Project Genie 中的使用方式与开放范围，可据此判断它能否用于智能体或机器人训练场景。

  2. Google DeepMind（Veo）88

    Google DeepMind 发布 Gemini Omni Flash，支持多模态输入生成与对话式视频编辑

    Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并通过自然语言对话进行多轮编辑，保持角色一致性与物理表现。

    推荐理由：Gemini Omni Flash 支持图像、音频、视频和文本混合输入生成视频，并可用自然语言多轮编辑，读者可据此判断它能否接入自己的创作流程。