当人们说 AI 视频“终于好用了”，大多数人心里想的就是 Google 的 Veo 3。弄清楚它改变了什么很有必要，因为这决定了你应该对这一类应用（包括我们的应用）抱有怎样的期待。
Veo 3 改变了什么
早期的视频模型总是以一眼就能认出的方式崩坏：人脸在帧与帧之间漂移，手部变形，运动违背物理规律，光线每一秒都在毫无逻辑地变化。Veo 3 在这四个方面都取得了肉眼可见的进步：
- 时间一致性——主体在整个片段中始终是同一个主体。
- 符合物理的运动——头发、布料、水和灰尘的表现大体符合现实。
- 持续的提示词还原度——视频不仅在第 1 秒，在第 8 秒也依然符合描述。
- 电影感构图——景深、色彩和光线更像摄影机拍出来的，而不像滤镜。
实际效果是，生成的画面可以和真实拍摄素材放在一起，而不会立刻露馅。我们在Veo 3 与电影级画质的新标准一文中对此有更多探讨。
Rigel 的定位——以及我们不做的声明
Rigel 不是 Google 的 Veo 应用，我们也不声称转售 Veo 3。Rigel 是一款基于这一代前沿多模态视频模型打造的移动产品，每当有新模型发布，我们的团队都会重新对管线进行基准测试。你获得的是一整套工作流程——照片进去，成片竖屏视频出来，全部在手机上完成——运行在这一级别的模型之上，而不是我们自己训练的模型。
如何判断 Veo 级的效果
比较任何应用的输出时，请关注那些过去最容易出问题的地方：
- 人脸稳定性。 在第 1、4、8 秒分别暂停。还是同一个人吗？
- 手部和边缘。 手指以及主体与背景的交界处，是弱模型最容易崩坏的地方。
- 运动的重量感。 头发会不会自然落定，布料有没有惯性，镜头的运动像不像真正的摄影机？
- 光线连贯性。 是一个稳定一致的光源，还是一组光源各异的幻灯片？
- 结尾处的提示词遵循度。 大多数模型会在片段后段偏离提示。
用一张照片生成前沿画质的视频
Rigel 中的工作流程与照片转视频页面介绍的相同：上传一张静态照片，写一句关于运动、构图和光线的具体描述，生成，发布。对结果影响最大的是两件事——一张干净的源图片，以及一条描述镜头运动和光线、而不是堆砌氛围形容词的提示词。
关于同一代的其他前沿模型，请参阅Seedance 2.0 页面，那里介绍了多参考、音频感知这一方向。
价格，直说
我们不引用 Google 对 Veo 的定价，因为它会变化，也不由我们控制。我们能说的是自己的情况：Rigel 在 iOS 16.6+ 和 Android 上可免费下载，并附赠新手积分，积分包和订阅可在应用内购买。每次生成在你确认前都会显示所需积分，不会有意外消耗。
最快的检验方法就是用你自己的照片：下载 Rigel，把新手积分用在一张你很熟悉的照片上，亲自按上面五点做出判断。