Veo 3.1 擅長什麼——又不擅長什麼

Veo 3.1 是最終剪輯必須看起來像完成電影時你會使用的模型——當帶有典型燈光 bug、融化手部和紋理雜訊的「AI 視訊」無法通過時。Google DeepMind 建構 Veo 系列時重度依賴 prompt 解析器中的電影詞彙。告訴 Veo 3.1「緩慢推軌向前，從畫面右側的變形光暈，黃金時刻低調，主體臉部在陰影中」，它會正確執行這四個指令中的每一個——多數其他視訊模型會執行四個中的兩個，其餘即興發揮。

3.1 更新的頭條功能是成分到視訊。上傳最多 3 張角色、產品或物體的參考圖像，Veo 在場景、鏡頭角度甚至燈光變化中保持它們一致。這解決了 AI 視訊中最困難的問題：臉部漂移。在 AI 視訊的每一代中，主角的臉部會在鏡頭間微妙變化——不同的顴骨、不同的眼睛顏色，即使 prompt 明確標記了它們。成分到視訊鎖定參考；渲染的角色在每個鏡頭中是同一個人。

第二個旗艦級功能是最高 4K 真實細節輸出。Veo 3.1 在高解析度下清晰渲染，沒有低解析度來源上傳帶來的雜訊瑕疵和模糊拉伸。對於品牌工作、戶外廣告或任何最終交付為 4K 的情境，Veo 完成了多數其他 AI 視訊模型無法完成的路徑。

第三個支柱是原生同步音訊——對話、環境音和音效與畫面在同一流程中產生，口型同步且計時，無需額外音效步驟。結合電影 prompt 控制和 4K 輸出，這是當前最接近一次生成完成短片的模型。

弱點：快速 prompt 迭代，更輕量的「Fast」層級模型是更好的工具——用一個找到正確構圖，然後畢業到 Veo 完成。多模態參考輸入（音訊參考、動態參考視訊）在 Seedance 2.0 上更強。在原始文字轉視訊 Elo 上，Seedance 2.0 目前略微領先。

一個實用的判斷原則：Veo 3.1 是電影完成品質和解析度的預設。參考密集的鏡頭，Seedance 2.0。多鏡頭分鏡，Kling V3。