A Google reduziu os custos e aumentou a duração dos vídeos gerados por inteligência artificial com a introdução do seu mais recente modelo. O recém-chegado Gemini Omni 1.2 Flash, apresentado na semana passada, permite agora criar clipes com uma duração máxima de 15 segundos, o que representa um aumento face ao limite anterior de dez segundos. Esta evolução tecnológica faz-se acompanhar de uma quebra de 30% nos custos de geração na resolução 720p, fixando o valor em $0,07 (cerca de 0,06 euros) por segundo de processamento. A ferramenta encontra-se amplamente disponível através da plataforma Google Cloud e da interface de programação de aplicações do próprio Gemini.
Um clipe completo de 15 segundos custa assim $1,05 (cerca de 0,98 euros) na resolução base de 720p, antes da aplicação de qualquer edição ou processamento adicional da imagem. As equipas de produção audiovisual podem gerar os rascunhos iniciais nestas resoluções mais baixas e, posteriormente, escalar as imagens aprovadas para os formatos de alta definição 1080p ou 4K. Os utilizadores têm a capacidade de ajustar a duração dos vídeos gerados entre três e 15 segundos, com incrementos precisos de um segundo, garantindo uma maior flexibilidade na criação de conteúdos curtos para campanhas publicitárias ou demonstrações de produtos.
Edição conversacional e consistência visual
Para além da componente financeira e da duração, o modelo introduz melhorias substanciais na interacção com o utilizador através da edição conversacional de vários passos. Os criadores de conteúdo conseguem alterar fundos, modificar a iluminação ou reajustar o enquadramento utilizando apenas instruções de seguimento em formato de texto. A gigante tecnológica norte-americana garante uma maior consistência visual em elementos críticos como rostos humanos, embalagens de produtos e cores de marca, aos quais se junta um diálogo mais natural e uma sincronização labial mais precisa em todas as gerações.
As empresas do sector retalhista encontram nestas capacidades uma ferramenta directa para a produção de vídeos de artigos, enquanto os programadores podem integrar estas funcionalidades directamente nas suas aplicações. A Google procura também optimizar os custos na área da análise de vídeo através de um sistema de compreensão por agentes, uma tecnologia inovadora que examina apenas as imagens seleccionadas em vez de processar exaustivamente cada fotograma individual. O lançamento na infra-estrutura Google Cloud confirma a disponibilidade para ambientes de produção intensiva, disponibilizando opções de processamento reservado para as organizações com maiores exigências de capacidade.
Acessibilidade e desafios de produção
O acesso a esta tecnologia estende-se muito além da comunidade de programadores. A plataforma Google Vids, que já oferecia geração gratuita de vídeo com a versão anterior do modelo, integra agora o novo motor. Os utilizadores com contas Google padrão ou do ecossistema Workspace passam a ter direito a um máximo de três gerações gratuitas de 15 segundos por mês, existindo limites mais elevados para as subscrições elegíveis. O processo de distribuição para o Workspace teve início no próprio dia 5 de Novembro, com a visibilidade das novas funcionalidades a ocorrer num prazo de um a três dias. A criação de vídeo directamente no interior da interface de conversação empresarial do Gemini continua, no entanto, em fase de preparação para um lançamento futuro.
Apesar da redução no preço base de geração, as organizações necessitam de medir cuidadosamente o número de tentativas e as rondas de edição precisas para atingir os padrões de qualidade exigidos pelo mercado. A poupança inicial pode desaparecer rapidamente se forem necessárias demasiadas revisões para manter a precisão visual de um produto ao longo de várias alterações de fundo ou de iluminação. A própria empresa reconhece a existência de limitações técnicas quando o modelo é confrontado com acção desportiva rápida, mudanças repentinas de guião ou simulações de física complexa, recomendando a realização de testes rigorosos antes da implementação em campanhas comerciais de grande escala.
No campo da segurança e conformidade, a documentação oficial da DeepMind confirma que o sistema tem a capacidade técnica para modificar o discurso de pessoas em vídeos já existentes, embora essa funcionalidade se encontre actualmente restrita por motivos de segurança. Todos os vídeos gerados por esta inteligência artificial incorporam uma marca de água SynthID invisível ao olho humano, e a utilização de referências de áudio exige a inclusão do utilizador numa lista de permissões específica. As equipas de tecnologias de informação devem, por isso, estabelecer procedimentos rigorosos de revisão de conteúdo e verificar todos os requisitos de divulgação antes de publicarem as imagens geradas.
