近日，一段由AI生成的“车展实拍”视频在网络上走红。视频中展示了一场盛大的车展，观众热情高涨，但事实上，这并非真实场景，而是完全由AI生成。视频开头便揭示真相：“欢迎来到一个不存在的车展。”所有场景、人物及对话均由谷歌Veo3模型与DeepMind工具完成，仅通过单一提示词生成后剪辑整合。视频虽有瑕疵，如夹克字母拼写错误及手部动作缺陷，但仍以高完成度呈现，背景车辆几乎以假乱真。此视频由创作者László Gaál发布于X平台，引发广泛关注。值得注意的是，谷歌在近期的I/O开发者大会上推出了Veo3模型，这是首个能生成视频背景音效的AI模型，不仅可模拟环境音，还能生成人物对话。

谷歌发布全新AI视频工具Veo 3，实现音画同步生成。Veo 3不仅能创建高质量视频，还能自动生成与画面同步的对白、音效及氛围音，如脚步声、风声等。这一突破解决了此前AI视频只能“动”不能“说”的问题，为视频创作带来全新可能。例如，用户只需输入提示词，即可获得包含唇动对齐、情绪音效的一体化视频。此外，Veo 3支持复杂场景下的多角色互动，并能理解长提示词，生成逻辑清晰的事件流。尽管目前仅面向美国Ultra订阅用户开放，且视频时长限制为8秒，但其潜力已引发广泛关注。这项技术标志着生成式AI从‘语言+图像’向‘视听一体’的转变，未来或将重新定义视频创作领域。