Revolución en la creación de contenido: Veo 3 genera diálogos y efectos de sonido

Post Thumbnail

Google ha presentado Veo 3 — el más reciente modelo de generación de video, que merecidamente puede ser llamado un verdadero avance en este campo. La característica principal de esta tecnología es el soporte completo de sonido. Si anteriormente los videos generativos eran predominantemente silenciosos o requerían procesamiento de audio separado, ahora el sistema crea videos con efectos de sonido, ruidos de fondo e incluso diálogos completos entre personajes.

Los usuarios pueden dar a Veo 3 una solicitud con una descripción de personajes y entorno, así como sugerir diálogos con una indicación de cómo exactamente deberían sonar. Como señaló durante la rueda de prensa Demis Hassabis, CEO de Google DeepMind, cito – «Por primera vez, estamos saliendo de la era silenciosa de la generación de video.»

¡Estoy gratamente impactado! La singularidad de Veo 3 radica en su capacidad para entender los píxeles originales de videos generados y sincronizar automáticamente los sonidos creados con ellos. Aunque las herramientas para generar sonido basadas en inteligencia artificial no son nuevas, es precisamente tal integración de video y audio lo que distingue el desarrollo de Google entre los competidores.

Ya existen muchas herramientas para la generación de video en el mercado de compañías como Runway, Lightricks, Genmo, Pika, Higgsfield, Kling, Luma, así como OpenAI y Alibaba. Sin embargo, la capacidad de generar automáticamente sonido sincronizado le da a Veo 3 una seria ventaja competitiva.

La nueva tecnología estará disponible para los usuarios a través de la aplicación Gemini, presumiblemente por suscripción.

Parece que Veo 3 es una transición completa desde un enfoque fragmentado de la generación de contenido multimedia, donde el video y el audio se creaban por separado, hacia un modelo integrado de creación de contenido audiovisual completo con sonidos, diálogos e imágenes sincronizados. Lo que simplifica radicalmente el flujo de trabajo de creación de video. Bravo.

AIvengo > Reseñas > Revolución en la creación de contenido: Veo 3 genera diálogos y efectos de sonido
Почитать из последнего
UBTech enviará robots Walker S2 a servir en la frontera de China por $37 millones
La compañía china UBTech ganó un contrato por $37 millones. Y enviará robots humanoides Walker S2 a servir en la frontera de China con Vietnam. South China Morning Post informa que los robots interactuarán con turistas y personal, realizarán operaciones logísticas, inspeccionarán carga y patrullarán el territorio. Y característicamente — pueden cambiar su batería de forma autónoma.
Anthropic reveló accidentalmente un documento interno sobre el "alma" de Claude
Anthropic reveló accidentalmente el "alma" de la inteligencia artificial a un usuario. Y esto no es una metáfora. Este es un documento interno bastante específico.
Jensen Huang ordenó a los empleados de Nvidia usar IA en todas partes
Jensen Huang anunció una movilización total bajo la bandera de la inteligencia artificial dentro de Nvidia. Y esto ya no es una recomendación. Esto es un requisito.
Los chatbots de IA generan contenido que agrava los trastornos alimentarios
Un estudio conjunto de la Universidad de Stanford y el Center for Democracy and Technology mostró un panorama preocupante. Los chatbots con inteligencia artificial representan un riesgo serio para personas con trastornos alimentarios. Los científicos advierten que las redes neuronales distribuyen consejos dañinos sobre dietas. Sugieren formas de ocultar el trastorno y generan "contenido inspirador para bajar de peso" que agrava el problema.
OpenAGI lanzó el modelo Lux que supera a Google y OpenAI
La startup OpenAGI lanzó el modelo Lux para control de computadora y afirma que esto es un avance. Según los benchmarks, el modelo supera por una generación completa a los análogos de Google, OpenAI y Anthropic. Además, funciona más rápido. Aproximadamente 1 segundo por paso en lugar de 3 segundos en los competidores. Y 10 veces más barato en costo por procesamiento de 1 token.