Google Veo3 一经发布就引起了广泛关注，它最大的特点是可生成带有音频的视频片段（例如街头的汽车噪音、鸟鸣、人物对话等），大幅超越当前所有的视频生成模型。正如 Google DeepMind 首席执行官 Demis Hassabis 所说：我们正在“走出视频生成的无声时代”。
最近一个 TikTok 用户用 Google Veo3 生成了一段“用刀切玻璃水果”的 ASMR（治愈系） 视频而爆红，目前播放量已破2300万，获赞230万。
有网友把这个博主上述所有的视频拼接成了一个视频，大家可以感受下治愈的声音和画质：
如何复刻
看完上面的你视频，你有可能非常好奇这个视频到底是如何制作的，有什么办法可以复刻出来。下面我来教大家一个方法：
第一步：把你想要复刻的视频下载到本地。（如果你不知道怎么下载，问下豆包之类的 AI 助手，实在不行用手机或电脑录屏也是个办法）
第二步：把该视频上传到 Google AI Studio，模型使用 Gemini 2.5 Pro。
- 如果该视频是个完整的一个场景的片段，输入 Prompt：“这个视频是由 AI 生成的，请帮我写出你认为最合适的能生成这个视频的的 Prompt”。
- 如果该视频是由多个切片视频组合而成，例如上述视频，可以输入这样的 Prompt：“这个视频是由 AI 生成的，请帮我写出你认为最合适的能生成这个视频的的 Prompt。注意，这个视频由多个视频拼接而成，AI 生成的视频最大 8s，请帮我给出每个视频切片对应的最佳 Prompt。”
第三步：从AI 给的一个或多个 Prompt 中选择你喜欢的，或者逐个尝试一下效果，如果不满意你可以继续追问来优化。我们看看对于上述视频，AI 给出的 Prompt 是什么：
A video showing a sequence of actions in a cinematic close-up: First, a chef’s knife makes one perfect slice through a glass strawberry, and the slice falls onto a wooden board. Immediately after, the knife makes a second slice, then a third, creating a small, neat pile of glowing red slices. The inside of the strawberry glows brightly with each cut. Hyper-realistic, 8K.
第四步：把 AI 给出的 Prompt 复制到 Gemini 中（需要开 Gemini Pro 会员才能试用 veo3，19刀一个月），选择视频（Veo3），点击生成，等待片刻，你就能看到一个非常逼真的视频了。另外，如果你没有 Gemini pro 会员，可以尝试使用Replicate 这种第三方服务来试用 Veo3，但缺点就是价格非常贵，一个视频大概 6 刀。
豆包效果怎么样？
喜欢看 AI 资讯的同学们应该都知道，豆包的模型最近很猛，从文本模型、图像模型再到视频模型，基本都追到了全球 TOP1 的水平。
文本模型基本和 Gemini 的 RoadMap 很像，比如都支持了坐标定位和视频理解。目前全球大模型里，只有 gemini 和豆包的模型两者都支持，特别是坐标定位。至于原因，大概率是因为年初原谷歌DeepMind 副总裁吴永辉加入字节跳动，并担任大模型团队Seed 基础研究负责人。他在谷歌工作近 17 年，从研究工程师一路晋升至 DeepMind 研究副总裁，并获评 “Google Fellow”（谷歌一级专家，L10 职级）。另外，在 2023 年 Google Brain 与 DeepMind 合并后，吴永辉参与开发 Gemini 大模型系列，是 Gemini 1.5 论文中明确列为 “Core Contributor 核心贡献者” 的技术负责人之一。
图像模型就更不用说了，基本是国内最好的生图模型，也是全球图像生成模型中仅次于 OpenAI GPT Image-1 的存在。
视频模型最近更是猛，超越可灵、Google Veo3 登顶了视频生成模型榜单。
我最近也深度使用了一段时间豆包的视频生成模型，效果确实不错，和 Google 的 Veo3 比的缺点就是没有声音，据说 seed 团队目前正在开发带有声音的视频生成模型，预计年底发布。
为了测试豆包的视频生成效果，我使用豆包的视频模型（我这里再在火山引擎上制作的，基本是按条收费，一条视频大约 1.8 元，注意这里模型要选择 Doubao-Seedance-1.0-pro），输入了上述 Prompt，结果如下：
Google Veo3 VS 豆包 Doubao-Seedance-1.0-pro
例子1：匹诺曹的 vlog
Prompt：selfie vlog style video, a photo realistic pinocchio (a boy 100% made of wood with wooden arms) wearing Lederhosen and a hat with a feather, walking on a bustling downtown sidewalk, and says “so, anyway, like, what I was saying was that, yeah, my inbox is absolutely blowing up with all of these DMs wanting to buy my merch.” suddenly, his nose slowly grows to a dramatic length (it makes a noise as it grows). he says “I mean, like, um, it was, uh…”
Google Veo3 结果：
豆包 Doubao-Seedance-1.0-pro 结果：
从结果上看，Google Veo3 胜出。豆包的效果虽然还可以，但没有完整的上述的指令，比如匹诺曹的鼻子没有变长，也不是第一视角拍摄。
例子2：滚动的玻璃弹珠
Prompt：A cinematic close-up, low-angle tracking shot of a green glass marble rolling along the metal bars of a xylophone. Sunlight streams through a window in the background, creating a warm, hazy atmosphere. The focus follows the marble with a shallow depth of field. The sound of the marble making light, melodic clinks as it rolls over the bars.
Google Veo3 结果：
豆包 Doubao-Seedance-1.0-pro 结果：
从结果上，虽然 Google Veo3 在玻璃弹珠滚动刀有缝隙的地方稍微有些瑕疵，但还是要比豆包的这个效果要好一些。