Veo — продвинутая текст-видео генеративная модель от Google DeepMind, анонсированная в 2024 году. Veo умеет создавать короткие видеоролики на основе текстовых или визуальных промптов с высоким качеством, реалистичной анимацией, плавной кинематографической динамикой и синхронизированным звуком. Модель прошла несколько этапов развития: Veo 2 добавил поддержку 4K и улучшенную физику, а Veo 3 — синтез аудио (диалоги, эффекты, атмосфера) и расширенные возможности управления видеоконтентом.
С Veo можно быстро создавать видеоклипы с использованием кинематографических терминов (например, «широкий план», «золотой час»), что ускоряет работу с видео для маркетинга, образовательных проектов и развлечений. Модель интегрирована в Google AI Studio и платформу Vertex AI, доступна через облачные сервисы Google с контролем качества и безопасности создания контента.
Особенности:
Ссылки:
Google DeepMind заявляет, что видео-модели типа Veo 3 могут стать универсальным решением для компьютерного зрения, аналогичным тому, как LLM стали революцией в сфере обработки текста.
YouTube анонсировал набор AI-инструментов для создания Shorts, включая кастомную версию Veo 3, ремикширование аудио и автоматизацию монтажа.
Технологии генерации видео ИИ развиваются от диффузионных моделей к сложным пространственно-временным архитектурам, но сталкиваются с проблемами временной согласованности.
Google обновил Veo 3: добавлена поддержка вертикального видео 9:16 и разрешения 1080p, а цены снижены на 50%. Адаптация под мобильный контент и соцсети.
Google интегрирует модель генерации видео Veo 3 в Photos, позволяя превращать статичные фото в короткие видео. Пока доступно только в США с ограничениями.
