Sam ili po želji korisnika, Veo 3 ima sposobnost da generiše i sinhronizuje ambijentalnu muziku, efekte i dijalog u okviru generisanja AI videa.
Google je na I/O 2025 konferenciji predstavio Veo 3, svoj najnapredniji i prvi AI model na svijetu koji generiše video snimke sa zvukom.
Za razliku od drugih alata koji generišu samo "pokretne slike", Veo 3 ima sposobnost da generisanim klipovima doda sinhornizovanu ambijentalnu muziku, efekte, pa čak i dijaloge. Kako je riječ o veoma moćnom alatu koji je dostupan svima koji su spremni da plate, svaki video nosi nevidljivi SynthID žig kako bi se spriječile zloupotrebe i širenje lažnih snimaka.
Tržište AI video generatora već je preplavljeno konkurencijom, ali Google je otišao korak dalje uvođenjem kompletnog audio sistema.
Prema riječima Demisa Hasabisa, šefa Google DeepMind odeljenja, korisnici mogu da opišu likove, okruženje, pa čak i da navedu kako tačno treba da zvuče njihove replike, a i ne moraju. Kompanija nije otkrila na kojim je podacima model treniran, ali kako piše TechCrunch, vrlo je vjerovatno da je YouTube sadržaj korišćen za obuku - što je Google već ranije nagovestio kao mogućnost.
DeepMind je prethodno razvio tehnologiju koja pretvara video u zvuk, a upravo taj sistem sada automatski analizira piksele i dodaje odgovarajući audio zapis.
S druge strane, brojni umjetnici i animatori izražavaju zabrinutost. Prema istraživanju koje je naručilo holivudsko Udruženje animatora, do 2026. godine bi u SAD zbog AI tehnologije moglo da nestane čak 100.000 radnih mesta u filmskoj, televizijskoj i animacionoj industriji.
Stručnjaci veruju da Veo 3 ima potencijal da postane ozbiljan igrač na prezasićenom tržištu, pod uslovom da Google ispuni obećanja o visokom kvalitetu zvuka. Model je već dostupan kroz aplikaciju Gemini, ali isključivo američkim korisnicima, pretplaćenim na AI Ultra plan koji košta 249 dolara mjesečno.
(MONDO)