Veo é um sistema de inteligência artificial generativa criado pelo Google DeepMind em maio de 2024, capaz de produzir vídeos a partir de comandos fornecidos pelo usuário. Sua versão mais recente, o Veo 3, lançada em maio de 2025, também inclui a capacidade de gerar trilhas sonoras e diálogos sincronizados para os vídeos criados.
Desenvolvimento
Em maio de 2024, durante o evento Google I/O, foi apresentado o Veo, um modelo multimodal voltado para a geração de vídeos. Segundo o Google, o sistema era capaz de criar vídeos em 1080p com duração superior a um minuto. Já em dezembro do mesmo ano, foi lançada a segunda versão, Veo 2, acessível por meio da plataforma VideoFX. Essa atualização trouxe suporte para vídeos em resolução 4K e melhorias na compreensão de física realista. Em abril de 2025, o Veo 2 passou a ser disponibilizado também para usuários avançados no app Gemini. Um mês depois, em maio de 2025, o Google revelou o Veo 3, que além de gerar vídeos, também produz áudio sincronizado incluindo falas, efeitos sonoros e sons ambientes e acompanhando as imagens geradas. Na mesma ocasião, foi anunciada a ferramenta Flow, desenvolvida com base nos modelos Veo 3 e Imagen 4, voltada para a criação de vídeos.
Flow possui um estúdio digital audiovisual com integração com o Gemini, que permite ajustes na narrativa em tempo real. Ele gera cenas cinematográficas completa via comando em texto (prompt), com: sequência visual, sons integrados, consistência narrativa, continuidade entre cenas, enquadramento de câmera. Para proteger-se do uso indevido (conteúdo falso), o sistema usa a tecnologia SynthID, que adiciona marca d’água invisível nos vídeos gerados.
Entre as novidades do Veo versão 3, lançado em maio de 2025, está a geração de música e voz alinhadas ao conteúdo visual. Para Demis Hassabis, CEO do Google DeepMind, esse avanço marca uma transição significativa na tecnologia, aproximando a geração de vídeo por IA do que chamou de fim da "era do cinema mudo".
Reações Após o lançamento do Veo 3, um repórter do Gizmodo observou que muitos usuários estavam utilizando o modelo para criar vídeos de qualidade questionável, como entrevistas improvisadas na rua ou gravações de unboxing. Outro comentarista da mídia destacou que a ferramenta frequentemente repetia a mesma piada em respostas a diferentes prompts.
Alguns especularam que o modelo teria sido treinado com base em conteúdos do YouTube, ou do Reddit, embora o Google não tenha divulgado oficialmente as fontes utilizadas no treinamento.
Ver também Redes Neurais Generativas Regulamento sobre Inteligência Artificial
Categoria:Tecnologia de áudio e cinema Categoria:Aplicações de inteligência artificial Categoria:Aprendizado de máquina aplicado