«Εφιάλτης» από τη νέα τεχνητή νοημοσύνη της Google για τη δημιουργία βίντεο

Στην εκδήλωση Google I/O 2025, η Google σόκαρε τον κόσμο της τεχνολογίας όταν παρουσίασε ένα μοντέλο τεχνητής νοημοσύνης που δημιουργεί βίντεο και ονομάζεται Veo 3, σηματοδοτώντας ένα μεγάλο βήμα προς τα εμπρός για έναν τεχνολογικό γίγαντα σε έναν αμφιλεγόμενο τομέα.

Σύμφωνα με την εμπειρία της δημοσιογράφου του The Verge , Allison Johnson, το πιο εξελιγμένο χαρακτηριστικό του Veo 3 είναι η ικανότητά του να δημιουργεί πρωτότυπο ήχο για κάθε βίντεο, από ηχητικά εφέ, θόρυβο φόντου μέχρι και διαλόγους χαρακτήρων.

«Το Veo 3 μου φαίνεται σαν μια απολύτως «άχρηστη» μηχανή παραγωγής περιεχομένου τεχνητής νοημοσύνης», σχολίασε ο δημοσιογράφος του The Verge .

Η νέα τεχνητή νοημοσύνη της Google για τη δημιουργία βίντεο προκαλεί σάλο με την υψηλή πιστότητά της. Σύμφωνα με την εμπειρία της δημοσιογράφου του The Verge, Allison Johnson, το πιο εξελιγμένο χαρακτηριστικό του Veo 3 είναι η ικανότητά του να δημιουργεί πρωτότυπο ήχο για κάθε βίντεο, από ηχητικά εφέ, θόρυβο φόντου μέχρι και διαλόγους χαρακτήρων.

Νέα χαρακτηριστικά και συγκλονιστικός ρεαλισμός

«Μπαίνουμε σε μια νέα εποχή δημιουργικότητας», εξήγησε ο Josh Woodward, Αντιπρόεδρος της Gemini της Google, κατά τη διάρκεια της κεντρικής ομιλίας για την κυκλοφορία του Veo 3, τονίζοντας τη δυνατότητα δημιουργίας «υπερρεαλιστικών» βίντεο.

Η Johnson ήταν αρχικά σκεπτική, αλλά αφού δοκίμασε η ίδια το εργαλείο τεχνητής νοημοσύνης, πείστηκε ότι η Woodward δεν υπερέβαλε. Το Veo 3 είναι ικανό να δημιουργεί προϊόντα που είναι τρομακτικά ρεαλιστικά.

Συγκεκριμένα, ο δημοσιογράφος του The Verge προσπάθησε να δημιουργήσει ένα σύντομο βίντεο με το περιεχόμενο ενός παρουσιαστή ειδήσεων που ανακοινώνει μια πυρκαγιά. Το κλιπ είναι εξαιρετικά πειστικό, με ποιότητα ήχου και σκηνικά παρόμοια με οποιοδήποτε παραδοσιακό ρεπορτάζ ειδήσεων.

Μια σκηνή από ένα βίντεο που δημιουργήθηκε από το Veo 3. Φωτογραφία: The Verge.

Η ανάρτηση, η οποία περιελάμβανε μια σειρά βίντεο με χαρακτήρες που δημιουργήθηκαν από τεχνητή νοημοσύνη και διαμαρτύρονταν για τις εντολές που χρησιμοποιήθηκαν για τη δημιουργία των βίντεο που δημιουργήθηκαν από τεχνητή νοημοσύνη, έχει συγκεντρώσει έκτοτε 50.000 θετικές ψήφους στο Reddit. Οι σκηνές περιλαμβάνουν μια καταστροφή, μια γυναίκα ξαπλωμένη σε κρεβάτι νοσοκομείου με αναπνευστήρα και έναν χαρακτήρα που απειλείται με όπλο — όλα με προφορικό διάλογο και ρεαλιστικούς ήχους φόντου.

Σε σύγκριση με άλλα εργαλεία δημιουργίας βίντεο με τεχνητή νοημοσύνη, το Veo 3 έχει κάνει τα πράγματα πολύ πιο απλά. Το μόνο που χρειάζεται είναι μια βασική εντολή, λίγα λεπτά αναμονής για την επεξεργασία της πλατφόρμας και μια συνδρομή στο πρόγραμμα AI Ultra της Google ( 249,99 $ ανά μήνα).

Ήταν ακόμη πιο εύκολο για τον Johnson να δημιουργεί βίντεο χρησιμοποιώντας λιγότερο συγκεκριμένες εντολές, και αυτό υποδήλωνε ένα πράγμα: το Veo 3 υπερέχει στη δημιουργία περιεχομένου YouTube με τον χαμηλότερο κοινό παρονομαστή για παιδιά.

Το τέλος της «εποχής του βωβού κινηματογράφου»

Μέχρι σήμερα, κανένα μοντέλο δημιουργίας βίντεο με τεχνητή νοημοσύνη δεν έχει καταφέρει να παρέχει ταυτόχρονα συγχρονισμένο ήχο ή και καθόλου ήχο, που να συνοδεύει την έξοδο βίντεο. Ωστόσο, το Veo 3 – με τις δυνατότητες συγχρονισμένης δημιουργίας ήχου που διαθέτει – επιδιώκει να τερματίσει την «εποχή της σιωπής».

«Βγαίνουμε από την σιωπηλή εποχή της δημιουργίας βίντεο», δήλωσε ο Διευθύνων Σύμβουλος της Google DeepMind, Ντέμις Χασάμπης, κατά τη διάρκεια συνέντευξης Τύπου.

Η ευρεία διαθεσιμότητα εργαλείων δημιουργίας βίντεο έχει οδηγήσει σε μια έκρηξη προμηθευτών σε σημείο που ο χώρος γίνεται κορεσμένος.

Από νεοσύστατες επιχειρήσεις όπως οι Runway, Lightricks, Genmo, Pika, Higgsfield, Kling και Luma, μέχρι τεχνολογικούς κολοσσούς όπως η OpenAI και η Alibaba, τα μοντέλα κυκλοφορούν με ταχύ ρυθμό. Σε πολλές περιπτώσεις, υπάρχει μικρή διαφορά μεταξύ αυτών των μοντέλων.

Μένει να δούμε αν το Veo 3 θα μπορέσει να ξεπεράσει το OpenAI Sora όσον αφορά την ποιότητα βίντεο, αλλά η δυνατότητα εξόδου πλήρως παραγόμενων βίντεο με ήχο και βίντεο θα μπορούσε να καταστήσει αμέσως το Veo 3 μια πιο συναρπαστική πλατφόρμα.

Το πιο σημαντικό χαρακτηριστικό του Veo 3 είναι η ικανότητά του να δημιουργεί ήχο σε «τέλειο» συγχρονισμό με βίντεο. Φωτογραφία: Google.

«Στον κόσμο του κινηματογράφου και της τηλεόρασης, ο θόρυβος του φόντου και τα ηχητικά εφέ είναι συχνά έργο καλλιτεχνών. Τώρα, φανταστείτε αν το μόνο που έπρεπε να κάνετε ήταν να περιγράψετε στον Veo τον ήχο που θέλατε στο φόντο και να τον συνδέσετε με τη δράση, και θα τα παρήγαγε όλα, συμπεριλαμβανομένου του βίντεο και των διαλόγων. Αυτή είναι μια δουλειά στην οποία οι animators θα αφιέρωναν εβδομάδες ή μήνες», σχολίασε ο Johnson.

Αν το Veo 3 μπορεί πραγματικά να ακολουθεί εντολές και να παράγει ώρες συνεχούς βίντεο και ήχου, δεν θα αργήσει πολύ να έχουμε την πρώτη ταινία κινουμένων σχεδίων που δημιουργήθηκε εξ ολοκλήρου με τεχνητή νοημοσύνη.

Λίγο μετά την κυκλοφορία του Veo 3, οι δημιουργοί άρχισαν να μοιράζονται αποσπάσματα σε πλατφόρμες όπως το X, συμπεριλαμβανομένου ενός βίντεο stand-up comedy που δημιουργήθηκε εξ ολοκλήρου με τεχνητή νοημοσύνη. Οι θεατές έμειναν έκπληκτοι όταν έμαθαν ότι ολόκληρη η σκηνή, συμπεριλαμβανομένης της φωνής, του βίντεο, ακόμη και του ήχου του κοινού, δημιουργήθηκε απλώς από μια περιγραφή κειμένου.

Έπειτα, υπάρχει ένα άλλο viral κλιπ που αναπαριστά τον Πυθαγόρα να εξηγεί το διάσημο θεώρημά του, με αρχαίο πλαίσιο και ακριβείς διαλόγους. Υπάρχει ακόμη και ένα μουσικό βίντεο φτιαγμένο εξ ολοκλήρου από το Veo 3, όπου τα γραφικά και η μουσική είναι σε τέλειο συγχρονισμό.

Οι Economic Times σχολίασαν ότι αυτό το είδος τεχνολογίας θα μπορούσε να ονομαστεί «μια νέα εποχή στον κινηματογράφο», επιτρέποντας σε οποιονδήποτε - από μεμονωμένους δημιουργούς έως μεγάλα στούντιο μέσων ενημέρωσης - να παράγει επαγγελματικό περιεχόμενο με χαμηλό κόστος και με ελάχιστους πόρους.

Πηγή: https://znews.vn/ac-mong-tu-ai-tao-video-moi-cua-google-post1556018.html