VeoOmni

VeoOmni 是一款基于统一多模态 Transformer 架构的 Google AI 视频生成平台。它只需单次去噪处理，即可直接根据文本提示词或参考图片，生成具有完美同步原生音频的 1080p 电影级视频。通过对文本、图像、音频和视频 Token 进行联合处理，该平台可提供高质量的连贯性、逼真的物理运动以及 6 种语言的口型对齐，无需单独进行音频后期制作或具备复杂的剪辑技能。