实测谷歌Veo 3.1视频模型！附零门槛免费使用攻略和提示词

最新推荐文章于 2025-10-20 16:54:27 发布
最新推荐文章于 2025-10-20 16:54:27 发布
阅读量284 收藏 10
点赞数 3
CC 4.0 BY-SA版权
文章标签： 经验分享
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/seeyouintokyo/article/details/153373284

哈喽，大家好

我是阿星👋

Veo 3.1 上线啦

萨拉二的热度还没过去

又来一波sota级视频模型？其实3.1这次最大的亮点还是高清。慢慢看——

图片

最快的使用方法

先说咋用，无需乱七八糟的操作

小白现在使用veo3.1最快的办法就2个

Lovart、Flowith

以下是效果和试用方法——

1、在lovart里试用veo3.1

现在lovart里试用veo3.1，目前是全免的

图片

首先你需要新建项目👉🏻点影片生成器👉🏻选择veo3.1

图片

直接在对话框输入提示词就好啦~

注意，一开始会一直弹出来升级广告

其实如果你点skip就会不要求你升级了

可能会弹出来好几次，你忽略之后仍旧是可以0积分生成的

这是他们官方这几天的活动

图片

阿星生成的示例：

胡子男倒水

Veo3.1生成情侣在海边的视频

这画质高清的有点过分，这白噪音，这冰块声音，这人体骨骼（女生右胳膊有点变形）

不说真的不太可能有人知道是ai生成的，对于非专业观众来说足够了

 

 
 
提示词：
 
 场景开始是一个特写镜头，画面中一位留着胡须的男子正将带有冰块的鲜艳蓝色液体倒入一个水晶玻璃杯中，柔和的自然光洒在他身上，天空稍有阴霾。慢慢地，摄像机开始向右平移，沿着一条直线平稳滑动，仿佛固定在轨道上一般，画面逐渐展开，展现出男子周围更多的场景。随着摄像机向右滑动，画面优雅地展开，移动结束时，一位身着时尚比基尼的美丽女子自信地站在那里，姿态优雅，在宁静的背景衬托下完美入镜。这个镜头干净、精致，视觉效果醒目，温暖的电影色调传递出精致与宁静。
 

 

踩滑板经典桥段
 


 
 
veo3.1生成滑板视频


 

这个视频对人体重心的把握还可以
 

视频的结尾直接往后仰的惯性非常自然
 

但是感觉腿部有点变形，特别是往下着陆的时候
 

 
 
提示词：
 
 镜头平稳地从左向右环绕着一名在半空中定格跳跃的男性滑板手旋转，背景是鲜艳的蓝天，明亮的太阳在他的格子衬衫和脚下的滑板上投下锐利的镜头光晕和温暖的高光。他的身体完美地定格在空中，面部表情和滑板底部的图案细节清晰可见。镜头环绕约270度，在中等距离拍摄，随着下方的郊区房屋和停放的汽车在背景中微微移动，捕捉到了戏剧性的视差变化。24毫米镜头搭配适度的景深，清晰地突出了主体，同时使远处的街区稍有虚化，细微的空中灰尘和镜头光晕颗粒在镜头附近飘动，强调了这一悬浮的子弹时间瞬间。光线来自上方的太阳，自然而明亮，投射出逼真的阴影和高光，丰富了画面的动态活力。镜头最后定格在滑板手半空中的四分之三侧面特写，滑板的轮子刚好从画面前景掠过，作为一个小小的前景遮挡物，增强了沉浸感。
 

 

一段提示词制作双屏效果
 


 
 
veo3.1生成黑白电影视频


 

直接给你生成两屏分镜
 

省的你自己分镜了
 

仔细这两个演员的演技
 

完全没有ai的感觉
 

而且提示词里只是说了要有电影的美感
 

左边男演员的脸就是二分之一侧面光
 

这摄影手法真的发挥的不错
 

 
 
 
 
提示词：
 
 
 
 
无缝垂直分屏动态视频。左视频：一只手将老式转盘电话的听筒举到耳边。无对白。面部特写。右视频：通话另一端的视角，展示转盘电话在桌上响铃时震动， 此人看起来很紧张。她没有接电话，任由它响着。具有黑色电影的灯光和美感。
 

 

2、在flowith里试用veo3.1
 

现在去flowith使用的时候
 

需要手动勾选一下才能看到模型
 

先选择图片/视频生成模式
 

然后勾选veo3.1输入你的提示词就可以坐等啦时间稍微有点长
 

图片
 

从flowith发在群里的视频对比文档来看
 

我主观感觉3.1似乎比3更有视角张力
 

色彩上也更加吸睛
 

图片
 

下面是几个视频分别是flowtih文档里的范例，大家可以感受下区别
 

veo3、veo3.1的对比
 

 


  
 
 
  
 
   
 
    
 
     
 
      
 
       
 
      
 
     
 
    
 
   
 
  
 
  
 
   
 
    
 
     
 
      
 
       
 
        
 
         
 
          
 
         
 
        
 
       
 
       
 
        
 
         

          
          
veo3生成飙车过视频

         
 
         

          
          
veo3.1生成飙车视频

         
 
         
veo3.1、klingv2.1的对比
 
        
 
       
 
      
 
     
 
    
 
   
 
  
 
 
 

 


 
 
Veo3.1生成猴子视频


 


 
 
可灵2.1生成猴子视频


 

虽然部分case还有肢体变形、穿模、配音不够真实的问题，但是总体来看，现在确实已经进化到了普通观众基本注意不到瑕疵的地步，画质的高清也足够应付普通短剧。
 

那么你打算怎么拿他们发挥创意呢？
 

是时候思考这个问题了～
 

我是阿星，我们下期再见👋
 

 


                

        

    

    
  



    



                



	

		

			

				
					
使用Google 最新发布的veo-3 视频生成和数字人技术制作介绍核聚变技术的短视频：《逐梦星海：中国聚变照亮未来》

				
			

			

				

					shiter编写程序的艺术
				

				

					05-22
					
					561
					
				

			

		

		

			
				
文章介绍了如何利用谷歌最新发布的 Veo3 和 Gemini 2.5 模型生成视频的完整流程。首先，确定视频主题并生成分镜提示词，接着通过 Gemini 2.5 Pro 的 Deep Think 模式生成结构化分镜脚本。然后，调用 Veo3 模型生成视频，自动添加背景音效、口型同步及物理模拟效果。最后，使用 Flow 工具进行视频后处理与优化，并添加 SynthID 水印以确保内容合规性。文章还提供了示例分镜提示词，展示了如何从主题到最终视频输出的详细步骤。

			
		

	



                

            
              



	

		

			

				
					
【工具篇】深度剖析 Veo2 工具：解锁 AI 视频创作新境界

				
			

			

				

					商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
				

				

					02-05
					
					818
					
				

			

		

		

			
				
在当下这个 AI 技术日新月异的时代，各种 AI 工具如雨后春笋般涌现，让人目不暇接。今天，我就来给大家好好说道说道谷歌旗下的 Veo2，这可是一款在 AI 视频创作领域相当有分量的工具。好多朋友都在问，Veo2 到底厉害在哪？好不好上手？能在哪些地方派上用场？别着急，今天我就用最接地气的语言，把 Veo2 给大家讲得透透彻彻，保准看完你就对它了如指掌！

			
		

	



              


  
              

                


	

		

			

				
					
让AI镜头“活”起来：22个核心运镜提示词，告别视频画面呆板

				
			

			

				

					weixin_43489601的博客
				

				

					08-06
					
					3194
					
				

			

		

		

			
				
介绍了22种影视级镜头语言的AI提示词用法。内容涵盖推轨/后拉镜头等距离变化技巧、横摇/俯仰等方向控制手法、环绕/升降等空间位移方式，以及POV视角等特殊构图。

			
		

	





	

		

			

				
					
Veo 3.1 硬刚 Sora 2：谷歌的“0.1步”升级，是真突破还是纸老虎？奥特曼奥特曼2025-10-1800

				
			

			

				

					欢迎来到运通链达的官方博客！我们深度探讨人工智能技术与应用，贯彻科技向善理念，推动科技进步与社会福祉和谐共生。
				

				

					10-18
					
					853
					
				

			

		

		

			
				
【摘要】谷歌最新视频模型Veo 3.1的发布，标志着其在专业化视频生成领域的深入探索。通过对新增的音画同步、首尾画面控制及三图定人设三大核心功能的深度实测与分析，揭示了其在提升视频可控性与沉浸感方面的显著进步。同时，文章将其与行业标杆Sora 2进行多维度对比，剖析了其在市场定位、定价策略以及社区反馈中的优势与不足，最终评估了这次“0.1步”升级在AI视频生成赛道上的真实分量与未来潜力。

			
		

	



		

			
		



	

		

			

				
					
51c大模型~合集86

				
			

			

				

					whaosoft~aiotの开发板商城
				

				

					12-09
					
					2623
					
				

			

		

		

			
				
我自己的原文哦~   https://blog.51cto.com/whaosoft/12772867拆解高复杂运筹问题的砖石，打破数据稀缺的瓶颈，中科大提出高质量运筹数据生成方法论文作者刘昊洋是中国科学技术大学 2023 级硕士生，师从王杰教授，主要的研究方向为强化学习与学习优化理论及方法。他曾在 NeurIPS、ICML 和 ICLR 等人工智能顶级会议上发表论文三篇，曾获中国科学技术大学黄渝纪念奖学金、华为奖学金等荣誉。近日，中科大王杰教授团队（MIRA Lab）提出了矩阵分块分解技术生成数学优化问题

			
		

	





	

		

			

				
					
51c大模型~合集170

				
			

			

				

					whaosoft~aiotの开发板商城
				

				

					08-18
					
					1163
					
				

			

		

		

			
				
然而，当前的开源 dLLMs 却因一定的技术挑战 —— 例如缺少完善的 KV 缓存机制，以及未充分释放并行潜力 —— 推理速度远慢于同规模的 AR 模型。观察到，当模型的潜在空间从低维（如 4 通道）扩展到更高维（如 16 通道）时，尽管后者能表达更丰富的细节，但也偶发性地出现了一些生成 「翻车」的情况（如图 3 所示）。通过建模移动流量在时间、空间、城市环境之间的联合分布，UoMo 在多城市的预测任务中具备优越的性能表现，并且具备较好的零样本 / 小样本学习能力，体现出卓越的通用性与泛化能力。

			
		

	





	

		

			

				
					
51c大模型~合集151

				
			

			

				

					whaosoft~aiotの开发板商城
				

				

					07-08
					
					1798
					
				

			

		

		

			
				
说实话，学生们感受到的压力更大。KAG 框架 V0.8 版本为 Thinker 模型应用提供支持，融入 KAG 框架后的 Thinker 模型， Math、Deduce 都使用框架中的求解器进行求解，再用 Thinker 模型进行答案汇总，可以看到 KAG-Thinker 7B 的平均 EM 和 F1 性能相比于 Thinker 模型平均提升 3.0%，3.8%。这种问题 Thinker 模型拆分不稳定，主要的原因有两种，第一，LLM 对复杂的纯自然语言问题拆分存在不一致，第二，7B 模型的泛化能力有限。

			
		

	





	

		

			

				
					
51c大模型~合集132

				
			

			

				

					whaosoft~aiotの开发板商城
				

				

					05-28
					
					2771
					
				

			

		

		

			
				
团队从数据的每个查询 x 中抽取开头词 w，然后构造相应的 SFT 数据对 (Q (w), x)，此外，团队还构造了一些负样本来帮助模型识别没有在训练中出现过的开头词，即对于没有在 D_1 中出现过的开头词 w’, 团队构造一条相应的拒绝回复 R (w’)，表明没有见过相应的训练数据，这类数据构成的数据对为 (Q (w’),R (w’))。该打分公式的主要思想是，模型拒绝回复的可能性越低，或者模型一直重复某个特定的输出，都表明该开头词更有可能是真实在训练数据中出现的开头词。

			
		

	





	

		

			

				
					
51c大模型~合集136

				
			

			

				

					whaosoft~aiotの开发板商城
				

				

					06-09
					
					1464
					
				

			

		

		

			
				
作者们首先研究了数学任务中奖励噪音对语言模型的影响，因为数学任务使用简单的规则校验，根据答案的正确性进行奖励，这使得人为控制奖励噪音变得非常简单（例如，通过将基于答案正确性的奖励函数结果进行 p% 的反转，正确答案得 0 分，错误答案得 1 分），从而便于研究。因此，预训练阶段的能力提升依然至关重要。大模型的进化路径不仅遵循模型规模扩张的「Scaling Law」准则，当搭载 MemoryOS 记忆操作系统，实现记忆的高效管理时，模型的认知能力将迎来质的跃升，或将迎来 Memory Scaling 阶段。

			
		

	





	

		

			

				
					
51c大模型~合集98

				
			

			

				

					whaosoft~aiotの开发板商城
				

				

					12-30
					
					1991
					
				

			

		

		

			
				
考虑到学术界算力的限制，在未充分训练的 LLM 上进行实验、评测，从而得到一些结论，并试图将这些结论推广为普遍适用，这一现象已经越来越普遍，这也引发了研究人员的担扰，因为在未充分训练的 LLM 上得到的结论并不一定能够普遍适用。从安全性上考虑，谷歌作为世界级独一档的科技巨头，不论发布什么产品，其用户群体都不会小，会涉及到各个种族、不同的意识形态，一点小问题就会被无限放大，而文本生成又是非常主观的，很容易受到训练材料的偏见影响，所以谷歌需要更长的时间进行合规检查。仅用了90天的时间，谷歌终于逆风翻盘。

			
		

	





	

		

			

				
					
AI驱动的视频内容革命：工具、技术、现状和未来的全景解析

				
			

			

				

					欢迎来到运通链达的官方博客！我们深度探讨人工智能技术与应用，贯彻科技向善理念，推动科技进步与社会福祉和谐共生。
				

				

					05-03
					
					3661
					
				

			

		

		

			
				
综上所述，AI视频生成领域的技术难点和行业挑战主要体现在以下几个方面：生成质量与物理一致性长视频与多镜头连贯性可控性与复杂指令执行多模态融合与音画同步算力瓶颈与生成成本版权、伦理与内容安全行业标准与商业化路径这些难题的逐步攻克，将决定AI视频生成技术的未来高度和行业格局。技术创新、合规治理、生态共建三者缺一不可，唯有协同发展，方能推动AI视频内容革命走向成熟与繁荣。AI视频生成技术正迈向“高质量、长时长、强可控、低成本”的新阶段。

			
		

	





	

		

			

				
					
可灵2.1 vs Veo 3：AI视频生成谁更胜一筹？

				
			

			

				

					独立开发，substack顶级编辑
				

				

					05-31
					
					1889
					
				

			

		

		

			
				
可灵2.1发布三款视频生成模式：720p标准模式（20积分/5秒）、1080p专业模式（35积分/5秒）和1080p大师模式（100积分/5秒）。新版本在人物动作、面部细节和动画风格上表现突出，但仍存在手指动作不自然等问题。相比Google Veo 3，可灵2.1在视觉质量上更具优势，但音频生成流程繁琐。价格方面可灵更具竞争力，Veo 3仅限高价订阅用户使用。最终选择可能取决于创作者对画质与工作流程便利性的权衡。

			
		

	





	

		

			

				
					
谷歌在其I/O 2024活动中发布了多款新AI工具和模型，其中包括Imagen 3图像生成模型和Veo视频生成模型

				
			

			

				

					百态老人的博客
				

				

					08-13
					
					444
					
				

			

		

		

			
				
谷歌在其I/O 2024活动中确实发布了新一代生成式AI模型。这些模型包括Imagen 3图像生成模型和Veo视频生成模型。Imagen 3是一款由Google DeepMind开发的文本到图像生成模型，能够根据自然语言生成高度逼真的图像。该模型在细节丰富度、光照效果以及复杂纹理方面表现优异，特别擅长处理挑战性主题如手部、手指、面部和人群等。Veo则是一款先进的视频生成模型，同样由Google DeepMind开发。

			
		

	





	

		

			

				
					
国产大模型再次登顶，字节视频生成5大杀手锏把谷歌Veo和可灵甩在身后

				
			

			

				

					surfirst的博客
				

				

					06-16
					
					1260
					
				

			

		

		

			
				
本文深度解析了字节跳动于2025年6月发布的视频大模型Seedance。该模型凭借原生多镜头叙事、精准指令遵循、高性价比等五大杀手锏，在权威榜单上超越Sora与谷歌Veo，一举登顶。文章不仅揭示了其背后的技术突破，还探讨了其对内容创作行业的革命性影响以及字节的战略布局，是了解AI视频前沿趋势的必读之作。

			
		

	





	

		

			

				
					
测试经验分享，登录功能+购物车+限时秒杀（测试点）汇总

				
			

			

				

					m0_70102063的博客
				

				

					10-20
					
					710
					
				

			

		

		

			
				
1、功能测试点输入正确的用户名和密码登录成功输入错误的用户名密码登录失败用户名正确，密码错误，是否提示输入密码错误用户名错误，密码正常，是否提示输入用户名错误用户名和密码都错误，是否有相应提示用户名密码为空时，是否有相应提示如果用户未注册，提示请先注册，然后进行登录已经注销的用户登录失败，提示信息友好能否异地登录能否在web网站上面登录后，然后在APP同步登录，web端是否会掉线密码框是否加密显示用户名是否支持中文，特殊字符，英文字符用户名是否有长度限制。

			
		

	





	

		

			

				
					
MTK手机的刷机通用驱动

				
			

			

				

					10-20
				

			

		

		

			
				
【源码免费下载链接】：https://renmaiwang.cn/s/z392s
MTK刷机版本软件包提供了一款无需人工干预的自动安装流程，用户可访问论坛中的具体操作步骤说明。资源链接为：http://www.1980a.com/forum.php?mod=viewthread&tid=9233&highlight=MTK%CA%D6%BB%FA%C7%FD%B6%AF

			
		

	





	

		

			

				
					
demoiselle-se-2.5.2-RC1-javadoc.jar

					
最新发布

				
			

			

				

					10-21
				

			

		

		

			
				
demoiselle-se-2.5.2-RC1-javadoc.jar

			
		

	





	

		

			

				
					
jeap-messaging-avro-test-8.51.2-sources.jar

				
			

			

				

					10-21
				

			

		

		

			
				
jeap-messaging-avro-test-8.51.2-sources.jar

			
		

	





	

		

			

				
					
谷歌veo3图片生成视频的api使用例子

				
			

			

				

					07-29
				

			

		

		

			
				
谷歌的 Veo 3 是一个强大的文本转视频生成模型，能够根据图像或文本提示生成高质量、高清的视频。虽然目前 Veo 3 的完整实现和 API 接口并未完全开源，但可以通过 Vertex AI 平台使用该模型的预训练版本。以下是一个模拟的 API 使用示例，展示了如何通过类似 Veo 3 的模型将图像转换为视频。

假设有一个基于 PyTorch 的简化版本，以下是一个示例代码片段，用于演示图像到视频生成的基本流程：

```python
import torch
from torchvision import transforms
from model import Veo3Model  # 假设的模型定义模块

# 加载预训练的 Veo3 模型
model = Veo3Model.load_pretrained("veo3_pretrained.pth")
model.eval()

# 图像预处理
preprocess = transforms.Compose([
    transforms.Resize((256, 256)),
    transforms.ToTensor(),
])

# 加载输入图像
input_image = Image.open("input_image.jpg")
input_tensor = preprocess(input_image).unsqueeze(0)  # 添加 batch 维度

# 设置生成参数
num_frames = 30  # 生成视频的帧数
fps = 10  # 视频帧率

# 生成视频
with torch.no_grad():
    generated_video = model.generate_video(input_tensor, num_frames=num_frames)

# 保存生成的视频
output_path = "generated_video.mp4"
save_video(generated_video, output_path, fps=fps)
print(f"生成的视频已保存到 {output_path}")
```

在上述代码中，`Veo3Model` 是一个假设的模型类，`generate_video` 是模型的一个方法，用于从输入图像生成视频。`save_video` 是一个假设的函数，用于将生成的视频帧保存为 MP4 文件。

请注意，这只是一个示例，实际的 Veo 3 API 可能会有不同的接口和参数。对于实际使用，建议查阅 Google 的官方文档或 GitHub 项目页面以获取最新的 API 文档和示例代码[^2]。

 

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值