Veo - nowy model generacji wideo od Google DeepMind

VEO - to najnowszy model generacji wideo (text-to-video) od Google DeepMind. Został właśnie zapowiedziany podczas konferencji Google I/O 2024. To dotychczas najbardziej zaawansowane narzędzie tego typu, zdolne do tworzenia wysokiej jakości wideo w rozdzielczości 1080p, trwających ponad minutę i oferujących szeroką gamę stylów wizualnych oraz kinowych.

Jest to swego rodzaju konkurencja dla Sora od OpenAI.

Model precyzyjnie oddaje niuanse i ton zadanych poleceń, umożliwiając niespotykany dotąd poziom kontroli kreatywnej. Veo rozumie polecenia dotyczące różnorodnych efektów filmowych, takich jak przyspieszenia czasu czy ujęcia lotnicze krajobrazów.

Veo ma na celu stworzenie narzędzi, które uczynią produkcję wideo dostępną dla każdego. Niezależnie od tego, czy jesteś doświadczonym filmowcem, aspirującym twórcą, czy edukatorem pragnącym dzielić się wiedzą, Veo otwiera nowe możliwości dla opowiadania historii, edukacji i nie tylko.

W nadchodzących tygodniach niektóre z tych funkcji będą dostępne dla wybranych twórców za pośrednictwem VideoFX, nowego eksperymentalnego narzędzia w labs.google. Można już teraz zapisać się na listę oczekujących.

W przyszłości niektóre z możliwości Veo zostaną także wprowadzone do YouTube Shorts oraz innych produktów.

Zobaczcie przykłady zamieszczone na stronie projektu:

Model Veo wykazuje zaawansowane zrozumienie języka naturalnego i semantyki wizualnej, co pozwala na generowanie wideo, które wiernie odpowiada na podane polecenia. Dokładnie oddaje niuanse i ton fraz, oddając skomplikowane szczegóły w złożonych scenach. To umiejętność, która wymaga od modeli generowania wideo nie tylko dokładnej interpretacji tekstu, ale także łączenia tych informacji z odpowiednimi wizualnymi odniesieniami.

Kontrole do tworzenia filmów
Gdy otrzyma zarówno materiał wideo wejściowy, jak i polecenie edycji, takie jak dodanie kajaków do lotniczego ujęcia wybrzeża, Veo może zastosować to polecenie do początkowego wideo i stworzyć nowe, zedytowane wideo.

Model jest również w stanie tworzyć klipy wideo i przedłużać je do 60 sekund i dłużej. Może to zrobić zarówno na podstawie jednego polecenia, jak i otrzymując sekwencję poleceń, które razem opowiadają historię.

Więcej: https://deepmind.google/technologies/veo/

Zobacz również: