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。