Nová verze AI modelu na generování videí Veo 2 je navržena tak, aby lépe „rozuměla jazyku kinematografie“. Uživatelé mohou specifikovat filmový žánr, efekt nebo typ objektivu, a model vytvoří video přesně podle zadaných požadavků. Google tak cíleně oslovuje profesionální i amatérské tvůrce videa.
Hlavní inovací je lepší pochopení fyzikálních zákonů a lidského pohybu. Dřívější modely generativní AI měly často problémy se zobrazením realistického pohybu a proporcí, což vedlo k „veselým“ chybám, jako jsou nepřirozené pohyby nebo nadbytečné prsty. Google tvrdí, že Veo 2 tyto chyby výrazně minimalizoval. Jak si Veo 2 poradí například s generováním gymnastické sestavy, se ukáže až při reálném testování. Další informace o této technologii si můžete přečíst na oficiálním blogu Google – uvidíte tam i ukázky vygenerovaného videa a obrázků.
Omezené možnosti, ale slibná budoucnost
V současné fázi je Veo 2 dostupné pouze pro uživatele Google Labs v USA. Generování videí je omezeno na maximální délku osmi sekund v rozlišení 720p. Pro srovnání, konkurenční model Sora od OpenAI zvládá až 20sekundová videa ve Full HD, avšak za cenu 200 dolarů měsíčně (v přepočtu přibližně 4 600 Kč).
Google vsází na kvalitu a přesnost namísto delšího časového rozsahu. Tento přístup by mohl oslovit tvůrce, kteří preferují precizní práci s detaily před kvantitou. Jak se tato strategie osvědčí, ukáže až čas.
Imagen 3: Výtvarná AI nové generace
Imagen 3, nejnovější verze modelu, který umí generovat obrázky na základě textového zadání, dokáže generovat jasnější a lépe komponované obrázky. Významné zlepšení přichází také v oblasti interpretace složitých zadání a větší rozmanitosti stylů, což zvyšuje univerzálnost modelu.
Model je již dostupný ve více než 100 zemích prostřednictvím služby ImageFX v Google Labs. Může být užitečný nejen pro profesionály, ale také pro běžné uživatele, kteří chtějí experimentovat s generativním uměním.
Veo 2 a Imagen 3 ukazují, že Google má ambici stát se lídrem na poli generativní AI. I když je Veo 2 zatím omezené délkou a rozlišením videí, jeho schopnost přiblížit se reálnému pohybu a fyzice je velkým krokem vpřed. Imagen 3 pak zaujme svou univerzálností a přesností při interpretaci zadaných pokynů.
