北京时间 5 月 20 日凌晨 1 点是 Google I/O ，估计今年还是 Gemini / Veo 相关更新比较多。
我最近做了一个 AI 视频生成网站：Veo Omni。
现在支持：
- Text to video
- Image to video
- Video edit
- 文件上传
- 异步任务轮询
- 生成结果链接查看
做这个项目主要是想把视频生成的几个常见流程封装一下。底层模型一般都是异步任务，输入里又经常混着 prompt 、图片、视频、音频，直接接 API 的话前后处理比较烦。
目前 Veo Omni 做的事情比较简单：
- 用户上传文件
- 文件先传到对象存储
- 后端把公网 URL 和 prompt 组装成模型参数
- 提交视频生成任务
- 轮询任务状态
- 返回生成结果
这次 Google I/O 我比较好奇 Veo 会不会继续往可编辑方向走。单纯 text to video 其实不太够用，开发者更需要的是稳定的工作流：参考图、源视频、局部修改、镜头续写、失败重试、任务队列、结果管理。
我自己做下来感觉，AI video generator 这类产品难点不只是在模型调用，更多是在这些工程细节：
- 文件上传和公网访问
- 异步任务状态同步
- 失败状态处理
- 参数兼容
- 成本和额度控制
- 用户历史记录
Select Language