← Каталог

· 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 3
  • Как 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 диалог
  • Как 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 запросы
  • Почему 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 диалог
  • Как 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 →

Похожие доклады