„Koszmar” z nowej sztucznej inteligencji Google’a generującej wideo

Podczas wydarzenia Google I/O 2025 firma Google zszokowała świat technologii, prezentując model sztucznej inteligencji do generowania wideo o nazwie Veo 3. Był to duży krok naprzód dla giganta technologicznego wkraczającego na kontrowersyjną rynek.

Jak twierdzi Allison Johnson, reporterka The Verge , najbardziej zaawansowaną cechą Veo 3 jest możliwość tworzenia oryginalnej ścieżki dźwiękowej do każdego filmu, od efektów dźwiękowych i szumów tła, po dialogi postaci.

„Veo 3 wydaje mi się absolutnie „śmieciowym” generatorem treści opartych na sztucznej inteligencji” – skomentował reporter The Verge .

Nowa sztuczna inteligencja Google'a do tworzenia filmów wywołuje poruszenie swoją wysoką wiernością. Według Allison Johnson, reporterki The Verge, najbardziej zaawansowaną cechą Veo 3 jest możliwość tworzenia oryginalnego dźwięku do każdego filmu, od efektów dźwiękowych, przez szum tła, po dialogi postaci.

Nowe funkcje i szokujący realizm

„Wkraczamy w nową erę kreatywności” – wyjaśnił Josh Woodward, wiceprezes Google ds. Gemini, w przemówieniu otwierającym premierę Veo 3, podkreślając możliwość tworzenia „niezwykle realistycznych” filmów.

Johnson początkowo była sceptyczna, ale po osobistym przetestowaniu narzędzia AI przekonała się, że Woodward nie przesadza. Veo 3 potrafi tworzyć produkty, które są przerażająco realistyczne.

Reporter The Verge próbował stworzyć krótki film z prezenterem wiadomości zapowiadającym pożar. Klip jest niezwykle przekonujący, z jakością dźwięku i scenografią przypominającą tradycyjny reportaż.

Scena z filmu stworzonego przez Veo 3. Zdjęcie: The Verge.

Wkrótce potem post, zawierający serię filmów z postaciami generowanymi przez sztuczną inteligencję, protestującymi przeciwko komendom użytym do ich stworzenia, zebrał 50 000 głosów na Reddicie. Sceny obejmowały katastrofę, kobietę leżącą na szpitalnym łóżku pod respiratorem oraz postać, której grozi się bronią – wszystkie z dialogami i realistycznymi dźwiękami w tle.

W porównaniu z innymi narzędziami do tworzenia filmów opartymi na sztucznej inteligencji, Veo 3 znacznie uprościło proces. Wystarczy podstawowe polecenie, kilka minut oczekiwania na przetworzenie danych przez platformę oraz subskrypcja planu Google AI Ultra ( 249,99 USD miesięcznie).

Johnsonowi jeszcze łatwiej było tworzyć filmy przy użyciu mniej szczegółowych poleceń, co wskazywało na jedną rzecz: Veo 3 świetnie sprawdza się w tworzeniu treści na YouTube dla dzieci, które sprowadzają się do jednego wspólnego mianownika.

Koniec „ery kina niemego”

Do tej pory żaden model generowania wideo oparty na sztucznej inteligencji nie był w stanie jednocześnie zapewnić zsynchronizowanego dźwięku, ani żadnego dźwięku, towarzyszącego wyjściu wideo. Jednak Veo 3 – z jego możliwościami generowania zsynchronizowanego dźwięku – ma nadzieję zakończyć „erę ciszy”.

„Wychodzimy z cichej ery tworzenia filmów wideo” – powiedział na konferencji prasowej Demis Hassabis, dyrektor generalny Google DeepMind.

Szeroka dostępność narzędzi do tworzenia filmów wideo doprowadziła do gwałtownego wzrostu liczby dostawców, w wyniku czego przestrzeń ta stała się nasycona.

Od startupów takich jak Runway, Lightricks, Genmo, Pika, Higgsfield, Kling i Luma, po gigantów technologicznych, takich jak OpenAI i Alibaba, modele są udostępniane w szybkim tempie. W wielu przypadkach różnice między tymi modelami są niewielkie.

Nie jest jeszcze jasne, czy Veo 3 prześcignie OpenAI Sora pod względem jakości wideo, ale możliwość wyprowadzania w pełni wyprodukowanych filmów z dźwiękiem i obrazem może od razu uczynić Veo 3 bardziej atrakcyjną platformą.

Najbardziej wyróżniającą się cechą Veo 3 jest możliwość generowania dźwięku „idealnie” zsynchronizowanego z obrazem. Zdjęcie: Google.

„W świecie filmu i telewizji dźwięki tła i efekty dźwiękowe są często dziełem artystów. Wyobraź sobie, że wystarczyło opisać Veo dźwięk, który chcesz dodać do tła i akcji, a on wygenerowałby wszystko, łącznie z wideo i dialogami. To praca, która zajmuje animatorom tygodnie, a nawet miesiące” – skomentował Johnson.

Jeśli Veo 3 rzeczywiście będzie w stanie wykonywać polecenia i generować godziny spójnego obrazu i dźwięku, to niedługo doczekamy się pierwszego animowanego filmu pełnometrażowego stworzonego w całości przy użyciu sztucznej inteligencji.

Wkrótce po premierze Veo 3 twórcy zaczęli udostępniać klipy na platformach takich jak X, w tym klip stand-upowy stworzony w całości przy użyciu sztucznej inteligencji. Widzowie byli zdumieni, dowiadując się, że cała scena, w tym narracja, wideo, a nawet dźwięk z widowni, powstała na podstawie samego opisu tekstowego.

Jest też kolejny viralowy klip, który odtwarza Pitagorasa objaśniającego swoje słynne twierdzenie, wraz ze starożytnym kontekstem i precyzyjnym dialogiem. Jest nawet teledysk stworzony w całości przez Veo 3, w którym efekty wizualne i muzyka są idealnie zsynchronizowane.

Dziennik „The Economic Times” skomentował, że ten typ technologii można nazwać „nową erą produkcji filmowej”, pozwalającą każdemu – od indywidualnych twórców po duże studia medialne – produkować profesjonalne treści przy niskich kosztach i minimalnych zasobach.

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