· AI Engineer World's Fair 2025
Veo 3 для разработчиков
Veo 3 for developers
Veo 3 генерирует видео и звук одной моделью, и по словам спикера рекламный ролик из исходного видео воспроизводится одним промптом.
- Звук как часть генерации — речь с синхронизацией губ, музыка и шумы создаются теми же токенами, что и картинка, а не подключаются отдельным инструментом. По словам спикера, стилистическая и контекстная консистентность тоже заметно выше, чем у прошлых моделей.
- Длинный ролик из коротких сегментов — ограничение в восемь секунд обходят так: Gemini по исходному видео строит подробный план и делит его на промпты, а куски склеиваются в монтаже. Спикер сделал так рекламу на Veo 2 с озвучкой и фоновым треком из MusicFX.
- Управление в Veo 2 — референсы персонажа и стиля, outpainting, добавление и удаление объектов, интерполяция между первым и последним кадром, камера через текст. По данным бенчмарка, показанного спикером, люди-оценщики в сравнениях на референсных видео чаще выбирали Veo 2, чем Runway Gen-4 и Kling.
- Доступ — Veo 3 пока в закрытом превью в Vertex AI и в подписках Google AI Ultra и Pro с лимитами; Veo 2 доступна через Vertex AI и Gemini API. Доклад по сути презентация продуктов Google DeepMind.
Кому полезно: тем, кто делает рекламные или демо-ролики через API и хочет понять, что уже доступно разработчикам.
На какие вопросы отвечает доклад
Как воспроизвести рекламный ролик с AI-видео, если модель генерирует только 8-секундные фрагменты?
Gemini получает исходное видео и составляет подробный план, разбитый на промпты под 8-секундный лимит. Затем фрагменты генерируются в Veo 2, фоновая музыка делается в MusicFX, а всё сшивается в монтажной программе с переходами.
▶ 18:25Реконструкция видео с помощью Gemini и выводы о Veo 3Как генерировать видео с диалогами и синхронизацией губ без отдельного инструмента для звука?
Veo 3 компонует токены видео и аудио нативно внутри одной модели, поэтому генерируются диалоги, синхронизация губ, фоновые шумы и музыка. Модель сравнивают с нативным аудиовыходом Gemini.
▶ 1:48API Veo 2, Flow, редактирование и синхронизированный диалогКак оживить статичное изображение и получить из него короткое видео?
Входное изображение превращается в видео по текстовому описанию движения: например, человек на фото начинает идти или поднимается в воздух. Для демонстрации показали статичное фото спикера, анимированное Veo 3.
▶ 11:57Ранние модели видео, преобразование изображения в видео и более подробные запросыПочему персонажи и фон в сгенерированном видео меняются от кадра к кадру и как это исправить?
По словам авторов, Veo 3 заметно улучшил стилистическую и контекстную согласованность кадров. В Veo 2 для этого есть референсные изображения, контроль персонажей и управление камерой через естественный язык.
▶ 1:48API Veo 2, Flow, редактирование и синхронизированный диалогКак добавить или удалить объект в AI-видео и расширить кадр за его границы?
В API Veo 2 есть добавление и удаление объектов, outpainting, который дорисовывает сцену за пределами кадра, и интерполяция между первым и последним кадром. Всё это доступно через API и инструменты вроде Flow.
▶ 1:48API Veo 2, Flow, редактирование и синхронизированный диалог
Главы
Ещё доклады: Paige Bailey
Все 4 доклада →От исследований к реальности вместе с Google DeepMind
AI Engineer World's Fair 2026
Битва за frontier AI
Paige Bailey, Barr Yaron, Colin Flaherty, Shrestha Basu Mallick, John, Mihir, Petra, Steven, Tina
AI Engineer Summit 2025
Создание и запуск приложений на базе ИИ
Paige Bailey, Ian Ballantyne, Guillaume Vernade
AI Engineer Europe 2026
Похожие доклады
Создание и запуск приложений на базе ИИ
AI Engineer Europe 2026
Тот же спикер: Paige Bailey
Новая медиасреда: как интерактивное видео в реальном времени меняет всё
AI Engineer World's Fair 2026
Близко по содержанию
Создание генеративных моделей изображений и видео в больших масштабах
AI Engineer Europe 2026
Близко по содержанию
