测试 Veo 3：逼真的视频、生成音频与物理效果的失败

Matthew Berman 以一段俏皮的生成式模仿开场，并请合作者 Alex 不要用 AI 替代他。他介绍 Google 的 Veo 3：该模型于 2025 年 5 月发布，支持原生声音和对话生成。视频中的片段只是例子，不能作为对所有模型输出的受控衡量。

Berman 首先展示生成的街头采访，受访者刚从酒吧出来。他觉得场景很有说服力，但说对话没有完全符合提示中的每个要求。两个样本用相互重叠的对话回应了人物并非真实存在的设定。

他尝试生成两列火车在同一轨道上高速迎面相撞的画面。输出没有遵循要求：一个例子中列车位于不同轨道，没有发生指定碰撞就爆炸了，尽管声音和效果看起来颇有说服力。

魔方提示生成了好看的表面和声音，但运动在物理上并不可信。另一次生成中，一个部件似乎发生变化或脱落，而更详细的要求仍未展示一致的复原过程。

Berman 在后续魔方尝试中看到奇怪的内部齿轮和画面切换，然后展示了一个熟悉网络迷因的生成版本。这些例子表明，视觉吸引力本身并不意味着系统完成了要求的动作。

视频包含 Hostinger Horizons 的付费推广。其中关于将提示转化为已部署网页应用的说法和首月折扣是赞助商宣传及历史优惠，并非对产品是否适合生产环境的独立验证。

Berman 展示创作者 Javi Lopez 制作的一段 20 世纪 80 年代风格短场景。创作者称，使用 Veo 3、Magnific 放大画面、音乐工具和 CapCut 剪辑，制作耗时不到两小时。Berman 喜欢其氛围，但注意到一本书消失了；时长来自创作者的说法，场景使用了多种工具。

Alex 介绍自己生成的虾仁炒饭片段：角色看起来更像龙虾，另一个版本似乎没有接触炒锅就把它抛了起来。他更喜欢第一次生成的结果，体现了样本之间的差异。

对于黑暗小巷中有外星人的恐怖提示，Alex 喜欢一个片段的灯光，觉得第二个片段的音效更好。他说自己最初意外用 Veo 2 生成了相同提示，并更喜欢挑选出的 Veo 3 结果；这是小规模的个人比较。

他要求生成一名牛仔骑着摩托车与马的混合体穿过火圈。有些输出传达了这个想法，另一些则生成了奇怪的圈、只有马尾巴的摩托车，或缺少明确物理原因的跳跃。

Berman 讨论 Google Flow，称它是将生成片段排列、延展为场景的工具。Google 将 Flow 描述为结合 Veo、Imagen 和 Gemini；拼接更长的故事仍然是电影制作过程，并不证明整部影片由一次生成产生。

一段《侏罗纪公园》风格的旅行视频展示了游客和恐龙。Berman 喜欢人物，但觉得一些恐龙更像机械模型而非逼真的动物；另一只有羽毛的生物在他看来更好。恐龙的外观因物种而异，所以这个场景不能证明所有恐龙有统一的外貌。

Alex 尝试生成霸王龙追逐游客的画面。一个样本中，人们朝动物跑去，而它似乎穿过了他们；其他样本展示了更连贯的动作、更有戏剧性的镜头或打开的大门。一个异常高大的人也是明显的不一致。

Berman 展示 Ethan Mollick 的虚构产品测评示例，并拿自己的工作开玩笑。片段模仿熟悉的 YouTube 展示风格，评测想象中的产品，但他听到讲话中略显不自然的停顿。

Berman 说，他没有解释就把 AI 生成的开场模仿片段给妻子看，她起初以为有人复制了这个频道。这只是关于表面逼真程度的一则个人经历，并不能证明生成媒体通常无法辨认。

虚构测评继续展示不太可能存在的产品和飞行体验。Berman 还播放了生成歌曲及看起来与歌词相符的字幕，同时指出整体表现并不完美。

一个片段出现 Darth Vader，促使 Berman 评论版权问题。可辨认角色的出现不能证明使用已经获得授权，也不能解决版权问题；随后他播放了更多不同口音的虚构街头采访。

男团提示生成了朗朗上口的音乐和舞蹈，但一名表演者突然出现在背景中。Berman 说它令人印象深刻，但远未完美，并展示了另一个版本。

他用鲁布·戈德堡机械测试物理顺序。几个精巧场景虽然有弹珠、多米诺骨牌和齿轮的外观，却缺少连续的因果链；其中一个场景的运动似乎朝着意想不到的方向进行。

他最喜欢后来的一个鲁布·戈德堡机械尝试：弹珠沿木制滑道滚下，一个盒子打开。他仍注意到颜色发生变化。这个选取的例子展示了一个看起来更好的序列，并非经过验证的物理模拟。

Alex 要求生成用 LEGO 建造纽约市的延时画面。他说积木突然出现或飞到位置上，而不是自然组装；第二个结果在他看来更不可信。

展示第四维度的提示生成了抽象传送门和特效，而非清晰解释。Alex 喜欢视觉效果，但承认输出基本跳过了要求表达的概念。

汉堡组装提示生成了诱人的食材，但部分食材似乎悬在原处，整个过程也没有完成。第二个版本看起来更好，却仍缺少顶部面包并切换了场景。

Alex 测试了一个赛璐珞渲染风格的写实人物，很喜欢这种风格，随后展示了一个让他发笑的生成式单口喜剧笑话。这些短样本展示了审美可能性，不能证明模型对不同提示都有一致表现。

太阳系提示生成了醒目的画面，但 Alex 注意到一颗行星突然出现在移动镜头前。尽管有连续性问题，他仍认为结果在视觉上有吸引力。

Berman 使用扩展提示，要求生成一个受《传送门》启发的写实场景。环境和未来风格的传送门枪出现了，但人物没有按要求穿越，传送门之间预期的关系也没有得到令人信服的展示。

第二段传送门片段的视觉细节令人印象深刻，但只短暂暗示了一个倒影。Berman 将画面的吸引力与是否遵循实际指令区分开来。

他选播了 Meta Puppet 的讽刺影片《This Is Plastic》，该片用 Flow 和 Veo 3 拼接而成。片段描绘一个虚构的塑料婴儿和后来的广告；其叙事是讽刺，不是虚构人物提及的医学主张的证据。

Berman 随后展示剪辑过的外星人入侵影片片段，其中有虚构广播和个人反应。多个情境和社交媒体表达方式结合在一起令他印象深刻；这部影片是一部经过挑选和制作的较长作品。

虚构的视频通话和社交媒体直播包含观看人数、漂浮表情等视觉标记。Berman 赞赏这些熟悉的界面细节，但场景和界面是生成的虚构内容，并非真实紧急事件录像。

他强调物体之间的交互，尤其是加入音频，是一大优势，最后又展示了一个细节丰富的生成片段。他的整体评价很热情，而前面失败的测试显示了这些特定样本的局限。