主机格调
谷歌最新的视频生成AI模型Veo 3，在五月底发布后便引爆了创作热潮。它首次允许用户生成声音和对话，被誉为走出了“视频生成的默片时代”。然而，用户们很快发现，这个强大的工具存在一个令人费解且成本高昂的缺陷：它常常会不受控制地生成毫无意义的乱码字幕。
创作者的困境：高昂的试错成本
这个“字幕门”问题在于，即使用户在提示词中明确要求“不要添加任何字幕”，这种情况依然会频繁发生。想要去掉这些乱码字幕并非易事，用户不得不采取各种昂贵的方法，比如重新生成视频（这会消耗更多AI积分）、使用外部工具移除，或裁剪视频。
广告创意总监莫娜·韦斯（Mona Weiss）表示，高达40%的对话场景输出会带有这种乱码，导致视频完全无法使用。当她向谷歌申请退还浪费的积分时，却遭到了变相拒绝。
“你为了得到一个满意的场景而不断烧钱，结果却发现根本用不了。”
——广告创意总监 Mona Weiss
技术探源：乱码字幕从何而来？
为什么Veo 3会固执地添加这些字幕？为什么在谷歌发布修复程序一个多月后，问题依旧存在？答案很可能在于模型的训练数据和提示词的局限性。
- 训练数据“污染”: 专家推测，Veo 3的训练数据包含了海量的YouTube、TikTok等平台的视频，其中许多视频本身就带有硬编码的嵌入式字幕。模型在学习时，可能错误地认为“字幕是视频的正常组成部分”，从而在生成时进行模仿。
- “负向提示词”的挑战: 石溪大学的助理教授图辛·查克拉巴蒂（Tuhin Chakrabarty）指出，告诉生成式AI模型**“不要做什么”（负向提示词），通常远不如告诉它“要做什么”（正向提示词）**有效。模型很难精确理解“无”的概念。
要彻底解决这个问题，谷歌可能需要重新检查并标记其海量的训练数据，这是一项极其耗时耗力的工作。
商业考量：抢跑的代价？
麻省理工学院的艺术总监卡特琳娜·西泽克（Katerina Cizek）认为，这个问题恰恰反映了谷歌在AI竞赛中的焦虑。
“谷歌需要一场胜利。他们需要率先推出一个能生成口型同步音频的工具。因此，这比修复字幕问题更为重要。”
——麻省理工学院开放纪录片实验室艺术总监 Katerina Cizek
为了在与OpenAI的Sora等对手的竞争中抢占先机，谷歌可能在产品未完全打磨成熟前就急于将其推向市场，而“字幕门”正是这种“抢跑”策略的代价之一。
未经允许不得转载：主机格调 » 谷歌Veo 3 AI的“字幕门”：为何这款先进的视频模型会生成恼人的乱码？
