⚡【重点】Google对AI视频领域发起最新攻势：Google Vids上线「AI分身」功能，用户只需一张自拍和一段语音，就能生成自己的数字孪生视频角色。这是继OpenAI Sora偃旗息鼓之后，大型科技公司在AI视频生成赛道上的又一重磅布局。

➡️ 直接说重点：Google Vids本次更新包含两大核心能力：

✅ ① AI分身（Digital Avatar）：上传一张正面照片 + 一段10秒以上的语音样本，系统自动生成与你本人相貌、声音高度一致的虚拟数字人。之后你可以输入文字脚本，让这个数字人替你「出镜」朗读。对企业培训、产品介绍、个人Vlog等场景来说，这意味着无需真人拍摄即可获得「真人感」视频。

✅ ② Gemini Omni多模态融合：Google将最新的多模态大模型Gemini Omni集成到Vids中。用户可以通过“文字提示 + 参考图片”的组合方式生成视频片段，例如：给一张产品实物图并配上「360度旋转展示」的文字描述，模型会自动生成对应的动态视频。这比单纯依靠文生视频的准确度高出不少。

🔴 本质上看，Google是在用“AI分身”降低视频制作门槛，用“多模态”提升视频内容可控性。两条腿走路，思路比目前的竞品（如Runway、Pika）更务实。

💡 对国内AI创作者而言，这套方案目前有两大限制：一是Google Vids暂未正式进入中国大陆市场；二是语音样本需要英语，中文支持尚未明确。不过，技术路线已经清晰——未来的AI视频工具必然走向「真人数字分身+多模态控制」的融合方向，国内厂商（如腾讯智影、阿里大文娱）大概率会快速跟进。

➡️ 再来看看具体操作流程（基于Google官方演示）：

登录Google Workspace账号，进入Google Vids主界面。

选择「新建视频」→「AI分身」模式。

拍摄或上传正面照片（要求光线均匀、无遮挡）。

录制一段语音（至少10秒，建议30秒以上以提升还原度）。

输入视频脚本，选择场景模板（目前提供商务、教育、休闲三类）。

预览数字人出镜效果，可微调语速、背景、字幕样式。

导出或直接分享。

❌ 注意：系统对照片和语音质量要求较高——背景杂乱的集体照、佩戴墨镜或口罩的照片都会被拒绝；语音样本若包含严重背景噪音也会提示重录。

📊 数据对比：据Google官方数据，AI分身的口型同步准确率约为92%，语音克隆的自然度评分（MOS）达到4.2分（满分5），已接近专业配音水准。而生成一段30秒数字人视频的耗时约为3~5分钟，远低于传统拍摄+后期的一周周期。

🔴 总结：Google Vids这次更新并非革命性突破，但胜在「够用」和「易用」。对于企业级用户来说，它提供了一个立即可用的AI视频生产方案；对于普通创作者，它降低了「上镜」的心理门槛。相比之下，国内用户更期待的是本土化替代品出现。

延伸阅读：AI视频制作教程：零基础用Pika五分钟生成高质量视频