Sora已死，谷歌当立新智元

无论最终叫Veo 4还是Gemini Omni，这次泄露已足够震撼：AI视频不再是短视频工具，而是拥有导演思维的叙事生产力。谷歌I/O当天，答案即将揭晓，而整个行业，都将重新洗牌。

谷歌I/O大会开幕在即，Veo4 提前曝光！

此前，教授黑板推公式，逼真视频刷屏全网——

现在，网友猜测Veo 4/Omni可以生成完整的多角度场景，在保持连贯性的同时流畅切换透视。

它还升级了原生音频同步功能，支持对话、环境音和音乐。

视频片段最长可达9秒，分辨率为720p。

部分泄露示例中仍存在连贯性问题，但完全同步的多机位场景看起来确实令人印象深刻。

这次关于Veo 4（或Gemini Omni） 的泄露，绝不仅仅是参数的微调.

它更像是一场关于「叙事权」的底层革命。

当AI开始学会从多个角度审视同一个瞬间，它实际上已经从「画匠」进化成了拥有空间逻辑的「导演」。

曝料人Pankaj Kumar甚至推测，谷歌应该轻松直出15秒视频，但缺算力。所以，谷歌要聚焦于效率问题。

但要注意，目前只有Kumar一个人的转述，是Veo4还是Gemini Omni，静待谷歌I/O揭晓。

AI视频学会了「切镜头」

为什么「多机位」这件事会让人炸毛?

回到一年前。

Sora横空出世那会儿，所有人惊叹的是「AI能拍60秒电影了」。

但你仔细看就会发现一个问题：那60秒里，镜头是不动的，或者说，是连续的。

机位在场景里平滑滑动、推拉摇移，但没有「切」。

Runway Gen-4等所有同行产品都一样，生成出来的视频本质上是「一个长镜头」，哪怕镜头在动，也是同一台摄影机的连续位移。

为什么不能切？

因为对AI来说，「切镜头」意味着同一场景、同一组人物、在同一时刻、从完全不同的视角再生成一次，而且要保证服装颜色、桌上的杯子位置、人物表情连贯。

这是物理一致性、空间一致性、时间一致性三重压力叠加，业界一年来都在硬碰硬地啃，没人真做出来。

传统影视行业的从业者会告诉你，这件事在剧组里叫「机位调度」，是导演的工作，而非单纯摄影。

摄影师管「这个画面好不好看」，导演管「这场戏怎么切才看得懂、看得爽」。

多机位的本质，是把场景拆成「叙事」。

Pankaj Kumar的爆料如果属实，那Veo 4把这件事从「导演」压进了「模型权重」。

换句话说，你不再是「让AI拍一个镜头」，而是「让AI拍一场戏」。

这是个量级跃迁。

过去， AI视频是「短视频素材生产工具」，可以做点开头转场、做点背景画面。

这次，AI终于升级成「叙事生产工具」。

当然，前提是泄露属实、I/O当天演示真的能跑通。

同步音频补齐了最后一块拼图

爆料里第二个被反复提到的点，是音频。

具体说法是：Veo 4 原生生成同步对话、环境音，甚至会根据画面情境自动配背景音乐。

Veo 3已能做原生音频了，这不是Veo 4的新发明。

去年，5月Veo 3发布时，谷歌宣传的最大亮点之一就是「native audio」：视频里的脚步声、对话声、环境噪音都跟画面一起在模型里生成出来，不用后期对齐。

这一招把Veo 3从同行里拔了出来。

但有两个东西Veo 3没做好。