Google presenta Veo 2 y amplía el acceso a Imagen 3

Google ha presentado este lunes Veo 2, su nuevo modelo de generación de vídeo, con el que aspira a reducir errores físicos y a dar más control creativo a quienes producen clips con inteligencia artificial. La compañía también ha ampliado la disponibilidad de Imagen 3 en ImageFX y ha lanzado Whisk, un experimento para crear imágenes a partir de otras imágenes.

El anuncio refuerza la competencia con OpenAI y su modelo Sora, que comenzó a estar disponible para suscriptores de pago la semana pasada. El vídeo generado por IA se ha convertido en uno de los frentes más disputados del sector: la tecnología ya puede producir secuencias llamativas, pero sigue teniendo dificultades con movimientos complejos, continuidad entre planos y acciones físicas creíbles.

Veo 2 busca entender mejor cómo se mueve el mundo

Google DeepMind afirma que Veo 2 mejora la comprensión de la física, del movimiento humano y de la cinematografía. En términos prácticos, el usuario puede describir no solo una escena —por ejemplo, una persona corriendo bajo la lluvia—, sino también la lente, el ángulo de cámara, la iluminación o un movimiento concreto, como un travelling o un plano contrapicado.

El modelo puede generar vídeo con resolución de hasta 4K y clips de más de dos minutos, según Google. Es una capacidad relevante porque buena parte de los generadores disponibles hasta ahora se han concentrado en secuencias muy cortas. No obstante, la duración máxima que un modelo puede producir no equivale necesariamente a un vídeo listo para publicar: mantener personajes, objetos y espacios coherentes durante una escena larga sigue siendo uno de los problemas centrales de esta tecnología.

Google sostiene que Veo 2 obtiene mejores resultados que otros modelos en evaluaciones humanas comparativas sobre realismo y fidelidad a las instrucciones. Es una medición encargada por la propia compañía, por lo que sirve como referencia de su progreso, pero no sustituye a pruebas independientes ni resuelve una cuestión decisiva: cómo se comportará la herramienta ante encargos creativos muy distintos de los utilizados en la evaluación.

Veo 2 llegará inicialmente a un grupo limitado de usuarios de VideoFX, la plataforma experimental de Google Labs para crear vídeo. La empresa prevé incorporarlo después a Vertex AI, su plataforma para empresas, lo que abre la puerta a usos en publicidad, formación, prototipos audiovisuales y contenidos para redes sociales.

Imagen 3 se extiende en ImageFX

Junto al nuevo modelo de vídeo, Google ha ampliado Imagen 3 a los usuarios de ImageFX en más de 100 países. Imagen 3 no es un modelo completamente nuevo: Google lo presentó en agosto. La novedad de este lunes es su despliegue más amplio dentro de esta herramienta gratuita y experimental.

El generador mejora especialmente la representación de personas, la iluminación y el seguimiento de instrucciones detalladas, según la compañía. Google también destaca la calidad del texto dentro de las imágenes, un apartado en el que los modelos visuales han avanzado pero aún cometen errores frecuentes cuando deben reproducir palabras, carteles o etiquetas con precisión.

Todas las imágenes generadas con Imagen 3 y los vídeos creados con Veo 2 incorporan SynthID, la marca de agua digital de Google DeepMind. Esta señal está diseñada para ser imperceptible y resistir modificaciones habituales, como recortes o compresión. Ayuda a identificar contenido creado con IA, aunque no impide que una imagen o un vídeo se difunda fuera del ecosistema de Google ni resuelve por sí sola los problemas de atribución y desinformación.

Whisk cambia el texto por referencias visuales

Google ha aprovechado el anuncio para lanzar Whisk, otra prueba disponible en Google Labs en Estados Unidos. En lugar de escribir una descripción larga, el usuario puede aportar imágenes de referencia para el sujeto, la escena y el estilo. Whisk utiliza Imagen 3 para crear una nueva composición a partir de esas indicaciones visuales.

La propuesta está pensada para explorar ideas deprisa, no para copiar una imagen píxel a píxel. Google explica que la herramienta captura rasgos generales de las referencias y los interpreta en una creación nueva. Es un enfoque útil para diseñar conceptos, pero también ilustra un debate que seguirá creciendo: cuánto control quieren los creadores sobre el uso de sus obras como referencia por sistemas generativos.

Con Veo 2, Google dispone de una respuesta más ambiciosa a Sora y a otros modelos de vídeo como Runway o Kling. La primera prueba real será su disponibilidad: el sector necesita comprobar si el nivel de control anunciado se mantiene fuera de las demostraciones y si los creadores pueden integrar estos clips en flujos de trabajo sin dedicar más tiempo a corregir fallos que a producir contenido.