O Google anunciou um novo modelo de IA inovador chamado “Veo” que assumirá a geração de vídeo. O novo modelo é adaptado às visões criativas dos usuários. Além dele, o Google também está atualizando seu modelo de geração de imagens, trazendo-o para sua terceira geração no Imagen 3.
Modelos de IA do Google
O Bard foi uma de nossas primeiras experiências com LLMs de IA modernos no Google. Essa versão foi lançada há cerca de um ano, com grandes mudanças chegando à plataforma nos últimos meses. Uma das maiores mudanças foi uma mudança completa de nome, renomeando a ferramenta de IA voltada para o usuário como Gemini, que agora se espalhou por toda a linha de produtos da empresa com Gemini Nano em dispositivos atuais e futuros e Gemini Pro.
Pouco antes de Bard ser renomeado para Gemini, o Google adicionou a capacidade de solicitar imagens por meio do modelo de conversação de IA. Pedir a imagem de uma vaca em um barco renderia exatamente isso, no estilo que você achar adequado. Esse processo foi desenvolvido pelo Imagen 2, que foi a primeira versão a estar disponível publicamente.
Notícias Relacionadas
Bing lança nova interface de pesquisa que pode fazer você deixar o Google
A Microsoft está apostando bastante na força da IA no Bing. A partir de agora, as páginas de pesquisa do Bing exibirão uma visualização dividida com resultados tradicionais da web à direita e caixas de informações alimentadas por IA à esquerda. Nova interface da pesquisa Bing De acordo com o post de anúncio da Microsoft […]
Google trabalha em um decodificador de TV Streamer
O Google está desenvolvendo um novo dispositivo Chromecast com Google TV. Esse novo dispositivo parece drasticamente diferente do que vimos até agora nos lançamentos da empresa. Google TV Streamer De acordo com o 9to5Google (Via GSMArena), esse novo dispositivo em desenvolvimento pelo Google seria chamado de TV Streamer e teria um design de set-top box […]
Modelo de IA Veo
Agora, o Google está anunciando dois modelos de geração criativa, Veo e Imagen 3. O Veo é o mais interessante, pois é algo que o público ainda não pôde experimentar. O modelo é construído especificamente para geração de vídeo que compreende a semântica visual e a linguagem natural, semelhante a outros modelos modernos. Essa abordagem trazida para a geração de vídeo oferece resultados que podem ser adaptados de forma criativa para se adequar a determinados estilos. O Google observa que o modelo Veo será capaz de entender “termos cinematográficos” nas instruções do usuário, como fotos aéreas e formatos de lapso de tempo.
O Veo é capaz de gerar vídeos em 1080p que podem durar mais de um minuto, o que supera modelos atuais como o Sora da OpenAI , com duração máxima de 60 segundos. Ele se baseia em anos de nosso trabalho de modelo de vídeo generativo, incluindo Generative Query Network (GQN), DVD-GAN, Imagen-Video, Phenaki, WALT, VideoPoet e Lumiere – combinando arquitetura, leis de escala e outras técnicas inovadoras para melhorar a qualidade e a resolução de saída.
O Google está convidando criadores e cineastas a testar o Veo, a fim de moldar o modelo para que ele possa acomodar uma ampla variedade de estilos artísticos e casos de uso.
Imagen 3
O modelo Imagen também está recebendo uma atualização substancial. O Imagen 3 está posicionado como o modelo de texto para imagem de “mais alta qualidade” do Google e oferece algumas melhorias em relação ao modelo Imagen 2 que vimos em Gemini e Bard. Diz-se que o Imagen 3 traz um nível mais alto de detalhes nas imagens, sem tantos artefatos visuais e impurezas nas imagens geradas. As imagens são mais fotorrealistas e realistas quando solicitadas.
Talvez a maior melhoria seja a capacidade do Imagen 3 de renderizar texto. Isso se tornou uma fraqueza cômica de modelos de texto para imagem como DALL-E e Adobe Firefly. O Google posiciona o novo modelo como uma forma de criar imagens personalizadas com texto, como cartões comemorativos ou fotos com mensagens.
Ainda não se sabe quão bem ele realmente renderiza o texto, mas isso é uma melhoria promissora. Tanto o Veo quanto o Imagen 3 estarão disponíveis para uso em uma visualização privada por meio do VideoFX do Google Labs. VideoFX utilizará SynthID para garantir que o conteúdo criado tenha marca d’água digital e seja gerado de maneira responsável.
