距 Google I/O 2026 还有 2 天：不管 Google 发什么，Genra 都已经准备好了

Google I/O 2026 还有 48 小时开幕。所有人都在预测 Veo 4 会有什么新能力。我们想回答另一个问题：下一代模型对今天想交付一支视频的人，到底改变了什么？对 Genra 用户来说，答案是"工作流几乎没变——但输出质量变了"。

今天是 2026 年 5 月 17 日。两天后，Sundar Pichai 会走上 Shoreline Amphitheatre 的舞台，宣布下一代 Veo。互联网上每一个 AI 视频博客都在出预测稿：原生 4K、多场景叙事、角色一致性、生成速度提升 40%。大部分预测大概率是对的。

但这些文章没说的是：第一天，这些对大多数创作者并不重要。不是因为模型不强——它会很强。而是因为"Google 发布了新模型"和"我把成片交给客户"之间的距离，远比大家想象的大。这段距离就是 agent 层。也是 Genra 过去一年一直在建的层。

这篇不是又一篇 I/O 预测稿。是一篇诚实的复盘——为什么模型层一直抢头条，而 agent 层才悄悄决定谁真的能交付。

模型层陷阱

每过六个月，新的视频模型就会发布，剧本会重演一遍。Twitter 被 demo 片段刷爆。创作者抢着注册。前 10 个 credit 全花在电影感的镜头上，效果惊艳。然后他们试着做点真东西——一支广告、一个教程、一条产品视频、一部短剧——然后撞上现实。

模型给你 8 秒素材，你需要 60 秒。模型给你一个镜头，你需要三个剪在一起的角度。模型不知道你的品牌长什么样，你需要 14 条素材保持一致。模型不写脚本，你需要脚本。模型不挑音乐，你需要配乐。模型不剪、不转场、不加字幕，也不会替你发到任何平台。

于是你自己拼。打开另外四个工具。学五套新的 UI。花三个小时调 prompt，因为模型的"最佳实践"文档有 40 页。等你交付的时候，下一个模型已经发布了，循环重新开始。

这就是模型层陷阱：更强的模型不会自动产出更好的视频。它们产出更好的片段。这两者是有区别的。

Agent 层到底在做什么

Genra 的设计前提不同：用户不该去想模型、prompt 或者怎么拼接。用户描述想要什么，另一头出来就是成片。

这需要一个真正的 agent——不是套在模型上的一层 UI。这个 agent 要能：

• 读懂自然语言的 brief（"一支 45 秒的 SaaS 广告，结尾 CTA 是免费试用"），把它拆解成场景、镜头、配音、配乐决策。
• 替每个镜头选合适的模型。Genra 跑在 Veo 和 Seedance 上。用户不用挑，agent 根据镜头需要自己挑。
• 写脚本，包括 3 秒钩子和 CTA，匹配你的品牌口吻。
• 生成配音，节奏对得上，有出镜镜头时还要对口型。
• 跨镜头保持人物和产品一致性，不用每次重新上传参考图。
• 剪辑成片——剪掉无效帧、补 B-roll、卡音乐节拍、按目标语言加字幕。
• 输出成品，直接能发 YouTube、TikTok、Instagram 或广告平台。

这就是我们说的端到端 agent。模型只是一整个高栈中的一层。Genra 拥有整个栈。

为什么 I/O 2026 不会改 Genra 的路线

周一 Google 宣布 Veo 4 之后，对 Genra 用户来说变化是：界面里什么都没变。还是同一个 brief 输入框。还是一键生成。另一头还是成片。

底层会变的是：等新模型通过 Google 的 API 逐步开放，原生 4K 适用的镜头会逐步切到原生 4K；适合单次生成长片段的场景会用上单次生成；新的角色一致性能力会被并入 Genra 现有的一致性体系。这些对用户都不是工作流变化，而是悄悄发生的质量提升。

这就是 agent 层的意义。用户描述结果，agent 处理实现。当更好的实现出现时，agent 就换上去用。用户察觉到，是因为视频变好看了，不是因为得学新工具。

对比一下另一条路：直接通过 Google API 或 Vertex AI 用 Veo 4。你得重新学 prompt 模式，重写你围绕 Veo 3 搭的自动化，搞清楚新的计费层级，而且脚本、配音、剪辑、发布这些环节还得自己另找工具。模型升级会变成工作流的退化。

这套论点的边界（诚实讲）

Agent 层这套思路有边界。该说清楚就说清楚。

如果你是模型研究者，你要的是原始 API 访问。你要测 prompt、跑 benchmark、推边界场景。Agent 恰好把你关心的那层屏蔽掉了。Genra 不适合你，Vertex AI 才是。

如果你是有强烈创作意图的资深剪辑师，你要的是帧级控制。你要逐镜头指导打光、运镜、调色。一个替你做这些决定的 agent 在抢你的手艺。Genra 不适合你，Runway 或 DaVinci 配手动调 Veo 才是。

如果你一个月只做一支视频，端到端 agent 省下的时间可能不值得你学新工具。剪映加 Google AI Studio 的免费 Veo 3.1 大概率够用。

Agent 层服务的是中间这群人：营销人、创业者、电商运营、课程作者、agency、社媒运营、品牌团队。需要稳定高频地出视频，要质量，但又不想为了出视频先学五套工具的人。

Genra 在 I/O 上真正盯的是什么

周一我们也会看 keynote。按对产品的影响排序，我们重点关注以下几条：

1. Veo 4 的 API 开放时间和定价。模型发布是头条，API 开放节奏才决定 Genra 用户什么时候开始受益。我们把 agent 设计成"接新模型是后端改动，不是路线改动"。API 越快开，质量提升越快传到用户那。
2. 角色一致性原语。如果 Veo 4 像传闻那样原生支持 ID-embedding，这是对 Genra 用户做的长片段、多场景视频最直接有用的能力。我们现在的一致性体系是跨 Veo 和 Seedance 的多种技术组合，原生原语能让这套体系更简洁。
3. 单次生成多场景。如果 Veo 4 能一次生成 20–30 秒的叙事，某些类型的镜头序列会更快、更连贯。Agent 可以根据 brief 自动决定用单次生成还是分镜拼接。
4. 音频模型更新。Veo 3 引入了原生音频。下一代音频能力会影响配音、对白、声音设计——这些都是 Genra agent 当前承担大量编排的环节。
5. 定价变化。不性感但很关键。Veo 定价的调整直接改变每一支通过 API 生成的视频的成本结构。

我们不关注的：benchmark 榜单。Benchmark 告诉你哪个模型在一组精挑的 prompt 上赢了。它不告诉你哪个平台真的能为真实用户、真实 brief 交付成片。后者才是任何做生意的人唯一关心的数字。

更大的趋势：从模型层走到 agent 层

这不只是 AI 视频的故事。这是每一个围绕底层模型成熟起来的消费软件品类共同的故事。

搜索最后是 Google，不是裸的 PageRank API。翻译最后是 Google Translate 和 DeepL，不是裸的 seq2seq 模型。聊天最后是 ChatGPT 和 Claude.ai，不是裸 API 调用（对绝大多数用户而言）。图像生成最后是 Midjourney 的 Discord，不是本地 Stable Diffusion 部署。

每一个案例里，模型层都是必要的但不够。Agent 层或者产品层才决定主流采纳。视频正在经历同样的转变。I/O 2026 会展示模型层能做到什么。2026 剩下的时间，问题是哪个 agent 层会赢。

我们押 Genra。不是因为模型层不重要——它绝对重要，Google 发布的每一项有意义的提升我们都会接入。而是因为面向用户的那一层、编排、一致性体系、成品输出——这些是别人在追下一段 demo 片段时，我们一直在做的事。

关键要点

• Google I/O 2026 于 5 月 19 日开幕。Veo 4 是最被期待的发布，原生 4K、多场景叙事、角色一致性是最可能的新能力。
• 更强的模型不会自动产出更好的视频，只会产出更好的片段。片段到成片之间的距离就是 agent 层。
• Genra 跑在 Veo 和 Seedance 上，把 brief → 脚本 → 生成 → 配音 → 剪辑 → 字幕 → 输出整条流水线作为一个 agent 处理。
• Veo 4 发布后，Genra 用户不用改工作流。新模型在后端接入，输出悄悄变好。
• Agent 层不是给所有人用的。模型研究者要 API，资深剪辑师要帧级控制，中间这群——营销人、创业者、运营、agency——才是 agent 层的受众。
• Genra 在 I/O 真正盯的是：Veo 4 API 开放节奏、角色一致性原语、单次多场景生成、音频更新、定价。不是 benchmark 榜单。
• 搜索、翻译、聊天、图像生成都经历过模型层到 agent 层的转变。视频是下一个。I/O 2026 是模型层的时刻，2026 剩下的属于 agent 层。

常见问题

Veo 4 发布时 Genra 会支持吗？

会。Genra 的设计是"接新模型是后端改动，不是工作流改动"。Veo 4 一旦在 Google API 上线，agent 就开始把相关镜头路由过去。用户不用升级、不用切模式、不用学新东西。

Veo 4 这么强，为什么不直接用 Google 的？

Veo 4 生成片段。成片需要脚本、分镜、配音、多镜头之间的人物一致性、剪辑、字幕、平台适配输出。直接用 Veo 意味着你要用一堆工具自己把这些拼起来。Genra 是替你处理整条流水线的 agent——你给个 brief，出来是成片。

Genra 现在用的是哪些模型？

Veo 和 Seedance。Agent 根据每个镜头的需要自己挑。用户不用挑。

Veo 4 上线后，我之前做的 Genra 视频会怎么样？

不会变——保持原样。Veo 4 接入后你新生成的视频会自动用上新能力。不用迁移、不用重新渲染、不用管什么版本号。

如果我是有强创作直觉的专业剪辑，Genra 还有用吗？

如果你要逐帧创作控制，建议用 Runway 或 DaVinci 配手动调用模型。Genra 服务的是想快速交付成片、不想管生产栈细节的人。目标不同，工具不同。

Google I/O 2026 是什么时候？

2026 年 5 月 19–20 日。开幕 keynote 是 5 月 19 日北京时间凌晨 1 点（美东 1:00 PM / 美西 10:00 AM），io.google 免费直播。Veo 和 Gemini 的发布通常在前 90 分钟。

Veo 4 真的会在 I/O 上发吗？

大概率会。Google 连续两年用 I/O 作为 Veo 大版本的发布舞台。预测市场也给了较高赔率。但"大概率"不是"一定"——也可能只是预览，正式发布延后，或者发个 3.5 中间版本。

Genra 怎么处理多个镜头之间的人物和产品一致性？

Agent 给每个人物或产品维护一组参考，跨整条镜头序列保持一致。你上传一次，整支视频里所有生成的镜头都保持一致。如果 Veo 4 原生支持 ID-embedding，Genra 会把它并入现有体系。

如果我只是体验一下、不需要端到端工作流呢？

那 Google AI Studio 的免费 Veo 3.1 或者基础 Veo 订阅大概率够用。Genra 是给那些视频产出是真实工作流一部分的人——营销、销售、教育、内容——不是给一次性尝鲜准备的。