Google riunisce quattro modelli di IA generativa multimediale sotto lo stesso tetto: Vertex AI

Cosa è stato effettivamente rilasciato, e in che stato

Al Google Cloud Next, Google ha annunciato quattro aggiornamenti di IA generativa multimediale per Vertex AI. Solo uno di questi, Imagen 3, è arrivato come un semplice miglioramento delle funzionalità. Gli altri tre portano con sé precisazioni che vale la pena leggere con attenzione.

Lyria, il modello text-to-music, è in anteprima privata con accesso su lista d'attesa. I nuovi controlli di editing e ripresa di Veo 2 sono in anteprima con accesso su lista d'attesa. L'Instant Custom Voice di Chirp 3 è una novità, ma il suo stato di rilascio viene descritto solo come "incluso in Chirp 3". Il miglioramento della generazione, dell'inpainting e della rimozione oggetti di Imagen 3 è la funzionalità più vicina a un utilizzo generalizzato.

Quindi il titolo "quattro grandi aggiornamenti" corrisponde in realtà a un solo set di funzionalità effettivamente rilasciato e tre ancora con accesso limitato. I team che valutano questi strumenti dovrebbero pianificare tenendo conto dell'accesso su lista d'attesa, senza presumere di poter usare questi modelli da un giorno all'altro.

L'affermazione specifica: una sola piattaforma per quattro tipi di media

La frase chiave dell'annuncio riguarda la copertura, non la qualità di un singolo modello.

Questi aggiornamenti rendono Vertex AI l'unica piattaforma con modelli di IA generativa multimediale che coprono video, immagini, voce e musica.Montana Labs

L'aggiunta di Lyria per la musica è ciò che completa il quadro. Video (Veo 2), immagini (Imagen 3) e voce (Chirp 3) erano già presenti; la musica era la categoria mancante. Ecco perché questo gruppo di funzionalità è stato annunciato insieme: trasforma un'offerta parziale in un'offerta completa.

Se l'ampiezza dell'offerta conta davvero dipende dall'acquirente. Un team che ha bisogno solo dell'editing di immagini non guadagna nulla dal fatto che la generazione musicale viva sulla stessa piattaforma. Ma un team che costruisce, ad esempio, pipeline di contenuti marketing che toccano diversi tipi di media trae vantaggio da un'unica relazione di fatturazione, un unico modello IAM e un unico set di API, invece di dover unire fornitori diversi.

I numeri più concreti sono in Chirp 3 e Veo 2

Due dettagli dell'annuncio sono sufficientemente specifici da poterci progettare sopra. L'Instant Custom Voice di Chirp 3 crea una voce personalizzata partendo da appena 10 secondi di audio in input. È una soglia bassa abbastanza da cambiare il modo in cui i prodotti basati sulla voce gestiscono l'onboarding: basta catturare un campione utilizzabile in un'unica breve registrazione.

Le capacità di editing di Veo 2 sono descritte attraverso tecniche precise: l'interpolazione per transizioni fluide tra i fotogrammi, e l'outpainting per estendere l'inquadratura di riprese già esistenti e adattarne il formato a web e mobile. Quest'ultimo punto è uno strumento di riformattazione: prende un video tradizionale e produce formati verticali o con proporzioni alternative senza bisogno di un nuovo shooting.

L'inpainting di Imagen 3 ricostruisce le parti mancanti o danneggiate di un'immagine, e le modifiche di rimozione oggetti vengono descritte come di qualità superiore. Sono operazioni di ritocco, presentate come sostituto dell'editing manuale piuttosto che come generazione di immagini completamente nuove da zero.

La svolta verso l'editing è il vero segnale per chi usa Vertex AI

Il filo conduttore tra Veo 2 e Imagen 3 è la modifica di asset già esistenti, non solo la generazione a partire da un prompt. Controlli di ripresa, interpolazione, outpainting, inpainting e rimozione oggetti operano tutti su contenuti già presenti.

Questo conta perché il lavoro sui media a livello enterprise consiste per lo più in modifiche, non in creazione da zero. Un brand possiede già filmati e immagini di sua proprietà e ha bisogno di riutilizzarli, sistemarli e riformattarli. Presentare questi modelli come strumenti di rifinitura risponde a questa realtà in modo più diretto rispetto a un'altra demo di generazione text-to-video.

L'implicazione pratica per i team che usano Vertex AI: nel breve termine il valore più concreto sta probabilmente nell'editing di Imagen 3 e, una volta superato l'accesso su lista d'attesa, nella riformattazione di Veo 2 — trasformare un singolo asset in più formati — più che nella generazione musicale di Lyria, che resta la parte più sperimentale e con accesso più limitato dell'annuncio.