Strax efter att Google släppte videomodellen Veo tidigare i december har uppföljaren Veo 2 nu introducerats. Veo 2 är bättre på att imitera verklighetens fysik så objekt och människor rör sig mer övertygande, vilket Sora från Open AI har stora problem med. Enligt Google fick Veo 2 högst betyg av människor när resultaten jämfördes med ”andra ledande modeller”.

Videomodellen kan även återskapa mänskliga rörelser och ansiktsuttryck på ett mer naturtroget vis. En annan förbättring är att modellen kan härma filmvärldens och filmfotografiets språk. Användare kan ange genre, objektiv och filmiska effekter när de skriver beskrivningarna som skapar videosnutten. Högsta upplösningen är den här gången hela 4K och längsta videolängden är 60 sekunder.

Ask for a low-angle tracking shot that glides through the middle of a scene, or a close-up shot on the face of a scientist looking through her microscope, and Veo 2 creates it. Suggest “18mm lens” in your prompt and Veo 2 knows to craft the wide angle shot that this lens is known for, or blur out the background and focus on your subject by putting ”shallow depth of field” in your prompt.

Google har inte helt lyckats bli av med de bisarra och surrealistiska inslagen, som när människor har extra fingrar eller rör sig på ett vis som bryter mot tyngdlagen, men antalet misstag är färre än tidigare.

Bildmodellen Imagen 3 har samtidigt förbättrats och den ska nu kunna skapa ljusare bilder med bättre kompositioner. Imagen 3 har även blivit bättre på att efterlikna olika konststilar och modellen följer användarens beskrivningar mer troget. Nya versionen av Imagen 3 är tillgänglig i verktyget Image FX på webben som fortfarande inte har släppts i Europa.

Imagen 3-exempel