日前，Google 视频生成模型 Veo 3 进行更新，支持用户通过一张图片同时生成音频和视频。
通过 Veo 3，用户可以上传一张静态图片，系统会根据图片中的内容生成与之匹配的动态视频及声音。该技术尤其适用于广告、动画制作等领域，迅速成为创作者的新利器。
据悉，本次更新基于谷歌的 T5（Text-to-Text Transfer Transformer）和 VQ-VAE-2（Vector Quantized Variational AutoEncoder）模型打造。
具体来看，T5 模型负责处理文本生成与理解，而 VQ-VAE-2 则处理图像生成，二者结合能够高效分析图像并生成与之对应的音频、对话或动态内容。
目前，新版 Veo 3 已上架 Google Flow 创作平台。
