Компания Google анонсировала запуск Veo 3 – инновационной системы искусственного интеллекта для создания видеоконтента с полным звуковым сопровождением.
Как сообщили в компании, технология способна генерировать не только визуальные последовательности, но и сложные аудиокомпоненты – от фоновых шумов до осмысленных диалогов между персонажами.
По данным CNBC, новинка позиционируется как прямой конкурент системе Sora от OpenAI, но обладает принципиальным отличием – встроенной функцией синтеза звука. Генеральный директор Google DeepMind Демис Хассабис в ходе презентации заявил о завершении «эпохи беззвучных ИИ-видео». Он пояснил, что теперь пользователи могут задавать полное описание сцены, в том числе, характеристики персонажей, окружающую обстановку и даже специфику диалогов с указанием требуемой интонации.
Для защиты от потенциального злоупотребления технологией компания применяет разработанную ранее систему цифровых водяных знаков SynthID. Этот инструмент позволяет отмечать сгенерированный контент специальными невидимыми маркерами. TechCrunch отмечает, что обучение модели, вероятно, проводилось на обширной библиотеке видеоматериалов YouTube, что может вызывать вопросы о соблюдении авторских прав исходного контента.
Параллельно с Veo 3 Google представила обновленную версию генератора изображений Imagen 4 и новый сервис Flow для автоматизированного создания видеороликов.
Как напоминает CNBC, репутация компании в сфере генеративного ИИ остается неоднозначной. В прошлом году Google пришлось временно отключить предыдущую версию Imagen после многочисленных жалоб пользователей на неточности и искажения в создаваемых изображениях. Сооснователь компании Сергей Брин тогда публично признал недостатки в процессе тестирования системы.