Imagen Video 是 Google 的文本生成视频模型：输入一句话，输出 1280×768、每秒 24 帧的片段。同时发布的 Phenaki 能用 200 个词左右的提示生成 2 分钟以上的长镜头，两家一起把内容生成推进到视频阶段。
- 平台：Google Research 的在线演示页，模型未公开发布
- 门槛：会写提示词，不需要剪辑基础
- 设备与时间：网页端，生成时长按秒计
- 收益来源：现阶段没有直接变现，价值在内容生产效率
- 主要风险：模型未开源，只能看演示；偏见与露骨内容仍在过滤中
1280×768、24 帧：1 个硬指标
这两个数字决定了它和早期方案的差别：1280×768 已经是可用的清晰度，24 帧是标准视频帧率，不再是一秒几帧的幻灯片。输入「泰迪熊洗碗」，它就生成对应的场景。
200 个词生成 2 分钟：Phenaki 的差异
Imagen Video 强在画质，Phenaki 强在时长。后者能用 200 个词左右的提示生成 2 分钟以上的长镜头，讲完一个完整的故事。脸书此前发布的 Make-A-Video 走的是同一方向，差别主要在清晰度。
导出的成片是 .mp4 格式，可以正常进入剪辑流程。对做短视频的人来说，这意味着素材获取的成本会明显下降。
1 个决定：模型不公开
开发团队的说法是，内部测试能过滤大部分露骨和暴力内容，但难以检测的社会偏见和刻板印象仍然存在，在问题缓解之前不发布模型和源代码。所以现在能做的只有看演示、读论文，不能直接调用。
提示：该模型的能力边界和开放状态变化较快，本文数字取自原稿发布时的公开页面，使用前请确认当前是否开放。
问：现在能直接用吗？
答：不能。官方明确表示暂不发布模型和源代码，目前只有演示页和论文。
问：生成视频有多长？
答：Imagen Video 是短片段的 24 帧视频；要长镜头得看 Phenaki，约 200 个词提示能生成 2 分钟以上。
问：对做短视频有什么用？
答：降低素材成本。输入一句话就能出画面，省掉拍摄和找素材的环节。
最后更新：2026-10-31
相关阅读
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。客服QQ:2350288510
