北京时间10月16日，就在Sora 2发布半个月后，谷歌火速推出了最新视频模型Veo 3.1和Veo 3.1 Fast，正面迎战OpenAI。

在官方推文中，谷歌称“Veo正在进行重大升级”，不过，从国内外各方实测来看，从Veo 3到Veo 3.1，确实如名字一样，只是进行了一次小的迭代，在画质、物理上的提升并不算大，在AI音频、自动分镜等方面都不如Sora 2，但Veo 3.1的光影效果更突出，生成速度更快。

视频生成赛道的竞争越发白热化。就在今年5月，谷歌才发布Veo 3，一度刷屏并占据文生视频模型榜首。不过，本月初发布的Sora 2迅速抢走了风头。

距离上一代模型更新仅5个月后，谷歌拿出了Veo 3.1。有趣的是，北京时间10月16日中午，OpenAI也放出了Sora 2的更新，称普通用户可以生成15秒的视频，专业用户则可以生成长达 25 秒的视频。两大巨头的火药味颇浓。

就模型本身来看，谷歌这次Veo 3.1更新的核心亮点是更丰富的原生音频生成、更强的电影风格理解与叙事控制，以及更逼真的质感还原。

Veo 3.1在多个功能中集成了音频，支持自然对话、音效和环境噪音，在视频画面生成的同时，模型会自动根据画面内容生成环境音、动作声及氛围配乐。此次迭代后，音频质量更逼真，尤其在对话上，过去生成一个科幻短片的音频可能听起来像机器人朗读，而现在，Veo 3.1 能模拟出紧张的背景配乐与人物语言。

今年5月，谷歌正式推出了Flow，一款由Veo驱动的AI电影制作工具。谷歌称，截至目前用户已在Flow中生成了超过2.75亿个视频。而此次迭代也包括Flow里的多个核心功能升级。

业界讨论较多的是首尾帧（Frames to Video）功能，用户提供一段视频起始和结束的两张图像，模型即可生成平滑过渡的画面镜头。即使是看起来毫不相关的两张图，AI也能通过想象力将其合理化。

此外，视频延展（Extend）功能支持用户从前一剪辑的最后一秒扩展视频，可以生成比原始生成8秒视频更长的片段，持续一分钟或更长时间。能生成更长的视频对专业创作者来说是有必要的。

在素材生视频（Ingredients to Video）功能里，用户可以上传多张参考图像，系统自动生成包含指定角色与场景风格的完整视频，还可以通过Remove功能移除画面中的物体或者人物。

不过，这些功能虽然是谷歌首次推出，但在业界来说并不稀奇，国内的众多视频模型早已经有类似首尾帧、素材生视频功能，因此惊喜有限。

在模型性能方面，用户测试显示，Veo 3.1在提示词遵循、视听质量与音频支持方面比Veo 3提升约两到三成，基础物理模拟也有进步，但在复杂画面中仍会出现问题，例如生成的体操视频画面中人会多出部分肢体。整体来看，性能较Veo 3提升不大。

Veo 3.1 能否战胜 Sora 2？这也是业界评测关注的重点。根据网友测试，两个模型各有优缺点，但 Sora 2整体来看得票数更多。Sora 2 在微观写实、光影与物理细节上更常被认可，配音方面也有许多测试显示Sora 2的音频更加自然，另外Sora 2特别之处在于自动分镜，对视频叙事帮助显著，这方面Veo 3.1的镜头变化较为保守，此外对物理世界的理解不如Sora 2。

在视频长度上，Veo 3.1 支持输出最长 8 秒的视频，在这一点上，Sora 2更有优势，最新更新后，普通用户可以生成长达 15 秒的视频。

不过，Veo 3.1的优点是生成速度，要比Sora 2快很多，目前Sora 2要等数分钟才能得到结果。此外，谷歌在多模态生态上更为成熟，此前发布的图像模型“Nano Banana”引发了广泛关注，谷歌在图像与视频模型的联动可以形成完整的创作闭环。

Veo 3.1目前处于预览阶段，目前用户可以在Gemini API 、Vertex AI、Gemini 应用以及 Flow上面付费使用。在接口价格方面，Veo 3.1 标准版是0.4美元/秒，快速版是 0.15 美元/秒，对比Sora2则是0.1美元/秒，Sora2-pro是0.3美元/秒，在价格上的吸引力不如Sora2。

总结来看，行业认为，Veo3.1未到超越Sora2的地步，但这仅是Veo 3到Veo 3.1的一次微调，行业更期待谷歌在下一次大版本更新中扳回一局。

回望视频生成赛道，谷歌与OpenAI的拉锯战从未停止。2024年初，Sora横空出世，引发行业震动，却迟迟未正式发布。同年5月，谷歌推出Veo 1，正式迎战。至12月，Veo 2在物理模拟与风格一致性上取得突破，同期Sora正式亮相，当时业界普遍认为Veo 2更优。

2025年5月，Veo 3发布，登顶多榜，稳坐第一梯队。然而10月初，OpenAI抛出“王炸”Sora 2，再度改写竞争格局。

两大科技巨头都还在AI视频领域持续加码，国内玩家如可灵、海螺AI、即梦等玩家也都有不小的竞争力。视频生成大战中尚无一家具备绝对统治力，AI视频的“GPT-3.5时刻”仍未到来，未来行业变数仍然很大。