Veo 4 是下一代多模态 AI 视频生成模型，允许创作者通过结合文本、图像、视频和音频来生成电影级视频。与传统的 AI 视频工具不同，Veo 4 支持真正的多模态输入，使用户能够参考上传文件中的动作、运镜、角色和声音，从而制作出连贯的多镜头故事。它具备原生的音频生成能力，包括对口型对话和音效（Foley），并在 4 到 15 秒的镜头序列中保持面部、服装和风格的高度视觉一致性。它还提供先进的视频编辑功能，例如延长现有剪辑以及替换场景中的特定角色或元素

首先上传参考资源，如图像、视频或音频文件。然后，在提示词区域使用自然语言描述你的构思，并标记特定资源（例如 ‘@video1’）来指定动作或风格。点击生成即可制作出带有同步音频的电影级视频，之后还可以通过上传结果进行进一步扩展或编辑，以完成精修