Google направи значителен напредък в AI генерирането на медийно съдържание с представянето на Veo 3 и Imagen 4 по време на годишната си конференция за разработчици I/O на 20 май 2025 г.
Veo 3, най-новият модел на Google за видео генериране, бележи голям скок напред, като за първи път въвежда възможности за генериране на звук. Моделът може да създава видеа със синхронизиран фонов шум като трафик или чуруликане на птици, както и да генерира диалог между герои с точно синхронизиране на устните. Veo 3 демонстрира по-добро разбиране на физиката в реалния свят и човешките изражения, което води до по-реалистични и детайлни видео резултати.
Успоредно с Veo 3, Google представи и Imagen 4 – най-усъвършенствания си модел за генериране на изображения досега. Imagen 4 се отличава с изобразяването на фини детайли като сложни тъкани, водни капки и животинска козина с изключителна яснота. Моделът поддържа различни съотношения на страните и може да създава изображения с резолюция до 2K, което ги прави подходящи за печат или презентации. Google обяви и планове за пускане на „бърз вариант“ на Imagen 4, който ще бъде до 10 пъти по-бърз от предшественика си и оптимизиран за бързо прототипиране и творчески процеси.
Тези мощни AI модели са в основата на Flow – новия инструмент на Google за създаване на филми, задвижван от изкуствен интелект. Flow комбинира възможностите на Veo, Imagen и Gemini, за да помага на разказвачите да създават кинематографични клипове и сцени. Инструментът предлага функции като Camera Controls за прецизни движения на камерата, SceneBuilder за безпроблемно разширяване на кадрите и Asset Management за организиране на творчески елементи. Flow позволява на създателите да поддържат последователни герои и сцени в множество клипове, осигурявайки по-цялостно разказване на истории.
Veo 3 в момента е достъпен за абонати на Google AI Ultra в САЩ на цена от $249.99 на месец, докато Imagen 4 може да се използва през приложението Gemini, Whisk, Vertex AI и различни приложения на Google Workspace. Всички материали, генерирани от тези модели, съдържат воден знак SynthID за гарантиране на прозрачност и борба с дезинформацията.
Тези нововъведения отразяват ангажимента на Google да разширява AI възможностите си до повече потребители, като компанията съобщи, че приложенията Gemini вече имат над 400 милиона месечно активни потребители – доказателство за бързото възприемане на нейните AI технологии.