2025年10月17日凌晨，谷歌发布视频生成模型Veo 3.1，新增叙事音频控制、首尾帧参考等功能，接入Gemini API与Vertex AI，用户可通过Flow或Gemini体验。新版本支持多人物场景生成、音画同步及最长148秒的视频片段，分辨率可达1080p/24fps。Flow平台数据显示，用户已生成超2.75亿个视频。新增功能提升了创意编辑能力，但成片质感较Veo 3进步有限，复杂场景表现仍有不足。此次更新被视为小升级，谷歌年底或将发布更大更新，可能结合Gemini 3全家桶。Sora 2或面临竞争压力。

10月16日，谷歌发布视频生成模型Veo 3.1，新增音频支持、对象添加及移除功能。新版本在音频输出、精细化编辑和图像转视频效果方面显著提升，可生成更逼真的视频片段并精准匹配用户提示词。Veo 3.1支持向视频中自然融入新对象，同时预告未来可在Flow工具中移除现有对象。此前功能如角色塑造、首尾帧生成视频及延长时间等也全面升级，现均支持音频。该模型正逐步部署至Flow、Gemini应用、Vertex AI及Gemini API平台。自5月Flow上线以来，用户已创作超2.75亿个视频。

10月10日，科技媒体testingcatalog曝光谷歌新一代文生视频模型Veo 3.1的首批生成样本。该模型可生成8秒、720p分辨率且自带音轨的视频片段，目前已在云平台Vertex AI及Google Vids中现身。相比前代，Veo 3.1在细节表现和视觉保真度上显著提升，如精准呈现熔岩流动感或逼真的恐龙形态，并修复了物体比例失调等问题。从“赛博朋克黑客机器人”和“火山喷发”等测试视频来看，其性能飞跃明显，配乐更具感染力，目标直指Sora 2。

DeepMind率先提出CoF：视频模型的“思维链” DeepMind最近提出了一种新概念——帧链（CoF，chain-of-frames），类比语言模型中的“思维链”（CoT）。这一概念首次出现在其最新论文《Veo 3》中。研究发现，逐帧生成视频的过程类似于语言模型的链式推理，而“帧链”则让视频模...

9月10日，谷歌宣布为其Veo 3 AI视频生成工具新增1080P分辨率与竖屏视频（9:16比例）支持。新功能可通过API请求启用，主要面向开发者，适用于移动设备和社交媒体展示。同时，Veo 3及简化版Veo 3 Fast已进入规模化生产阶段，生成费用显著下降：Veo 3从每秒0.75美元降至0.40美元，Veo 3 Fast从每秒0.40美元降至0.15美元。目前1080P分辨率仅支持16:9比例。谷歌此前预告将在夏末为YouTube Shorts加入Veo 3支持，未来TikTok、Instagram Reels等平台也可能出现更多由Veo 3生成的内容。

7月3日，谷歌宣布向159个国家和地区的Gemini用户推出全新Veo 3视频生成模型。该功能目前仅限Google AI Pro计划的付费订阅者使用，每日最多可生成三个视频。谷歌副总裁Josh Woodward透露，公司正研发为Gemini添加图像到视频生成功能，进一步拓展其AI应用能力。这一更新标志着谷歌在AI生成内容领域的持续创新，为用户提供更丰富的多媒体创作工具。

7月4日，谷歌副总裁Josh Woodward宣布，Veo 3 AI文生视频模型正式向Pro/Ultra会员开放。Pro会员每天可生成3段视频，用完配额需次日恢复或使用旧版Veo 2。此外，Veo 3即将推出“照片生成视频”功能，目前正接近完成阶段。谷歌表示，正考虑降低使用门槛以满足用户需求，但目前使用Veo 3至少需订阅Pro会籍，每月20美元（约合143元人民币）。