Google reúne quatro modelos de mídia generativa sob o mesmo teto do Vertex AI

O que realmente foi lançado, e em que estado

O Google anunciou quatro atualizações de mídia generativa para o Vertex AI no Google Cloud Next. Só uma delas, o Imagen 3, chegou como uma melhoria direta de capacidade. As outras três vêm com ressalvas que merecem atenção.

O Lyria, o modelo de texto para música, está em preview privado com lista de acesso. Os novos controles de edição e câmera do Veo 2 estão em preview com lista de acesso. O Instant Custom Voice do Chirp 3 é novo, mas seu estágio de lançamento é descrito apenas como parte integrante do Chirp 3. A geração melhorada, o inpainting e a remoção de objetos do Imagen 3 são os recursos mais próximos de estarem prontos para uso geral.

Então a manchete de "quatro grandes atualizações" na verdade é um conjunto de recursos lançado e três com acesso restrito. Times que estão avaliando isso devem se planejar em torno do acesso por lista, e não assumir que poderão chamar esses modelos já amanhã.

A afirmação específica: uma única plataforma para quatro tipos de mídia

A frase central do anúncio é sobre abrangência, não sobre a qualidade de um modelo específico.

Essas atualizações fazem do Vertex AI a única plataforma com modelos de mídia generativa que cobrem vídeo, imagem, fala e música.Montana Labs

A adição do Lyria para música é o que completa o conjunto. Vídeo (Veo 2), imagem (Imagen 3) e fala (Chirp 3) já estavam presentes; música era a categoria que faltava. É por isso que esse pacote foi anunciado em conjunto — ele transforma uma linha de produtos parcial em uma completa.

Se a abrangência importa depende de quem está comprando. Um time que precisa só de edição de imagem não ganha nada com a geração de música morar na mesma plataforma. Mas um time que constrói, por exemplo, pipelines de conteúdo de marketing que envolvem vários tipos de mídia se beneficia de ter uma única relação de faturamento, um único modelo de IAM e um único conjunto de APIs, em vez de costurar fornecedores diferentes.

Os números mais concretos estão no Chirp 3 e no Veo 2

Dois detalhes do anúncio são específicos o suficiente para servir de base de projeto. O Instant Custom Voice do Chirp 3 cria uma voz personalizada a partir de apenas 10 segundos de áudio de entrada. É um limiar baixo o suficiente para mudar a forma como produtos baseados em voz tratam o onboarding — você consegue capturar uma amostra utilizável em uma única gravação curta.

A proposta de edição do Veo 2 é descrita em termos de técnicas nomeadas: interpolação para transições suaves entre quadros, e outpainting para estender o quadro de filmagens já existentes e reformatá-las para web e mobile. Esse último ponto é uma ferramenta de reenquadramento — transformar vídeo tradicional em formatos verticais ou proporções alternativas sem precisar regravar.

O inpainting do Imagen 3 reconstrói partes ausentes ou danificadas de uma imagem, e as edições de remoção de objetos são descritas como de qualidade superior. São operações de retoque, posicionadas como substitutas da edição manual, e não como geração de imagens totalmente novas a partir do zero.

A virada para edição é o sinal real para quem usa o Vertex AI

O fio condutor entre Veo 2 e Imagen 3 é a edição de assets já existentes, não apenas a geração a partir de um prompt. Controles de câmera, interpolação, outpainting, inpainting e remoção de objetos, todos operam sobre conteúdo que já existe.

Isso importa porque o trabalho de mídia corporativo é, em sua maioria, modificação, não criação do zero. Uma marca tem filmagens e imagens que já possui e precisa reaproveitar, limpar e reformatar. Posicionar esses modelos como ferramentas de refinamento atende essa realidade de forma muito mais direta do que mais uma demonstração de texto para vídeo.

A implicação prática para os times que usam o Vertex AI: o valor de curto prazo aqui provavelmente está na edição do Imagen 3 e, uma vez fora da lista de acesso restrito, na reformatação do Veo 2 — transformar um único asset em vários formatos —, e não na geração de música do Lyria, que continua sendo a parte mais experimental e com acesso mais restrito do anúncio.