Google reúne quatro modelos de media generativa sob o mesmo teto na Vertex AI

O que foi realmente lançado, e em que estado

A Google anunciou quatro atualizações de media generativa para a Vertex AI na Google Cloud Next. Apenas uma delas, o Imagen 3, chegou como uma melhoria direta de capacidade. As outras três trazem ressalvas que valem a pena analisar com atenção.

O Lyria, o modelo de conversão de texto em música, está em pré-visualização privada com lista de acesso. Os novos controlos de edição e câmara do Veo 2 estão em pré-visualização com lista de acesso. A funcionalidade Instant Custom Voice do Chirp 3 é nova, mas o seu estado de disponibilização é descrito apenas como estando incluído no Chirp 3. A geração melhorada, o preenchimento e a remoção de objetos do Imagen 3 são os que estão mais próximos de uma utilização generalizada.

Assim, o título de "quatro grandes atualizações" resume-se, na prática, a um conjunto de funcionalidades já disponível e três ainda condicionadas. As equipas que estejam a avaliar isto devem planear em função do acesso por lista de espera, e não assumir que podem chamar estes modelos já amanhã.

A afirmação concreta: uma única plataforma para quatro tipos de media

A frase central do anúncio é sobre cobertura, não sobre a qualidade de um modelo em particular.

Estas atualizações tornam a Vertex AI na única plataforma com modelos de media generativa que abrangem vídeo, imagem, voz e música.Montana Labs

A adição do Lyria para música é o que completa o conjunto. Vídeo (Veo 2), imagem (Imagen 3) e voz (Chirp 3) já estavam presentes; a música era a categoria em falta. É por isso que este pacote foi anunciado em conjunto — transforma uma oferta parcial numa oferta completa.

Se a abrangência importa depende do comprador. Uma equipa que só precisa de edição de imagem não ganha nada com a geração de música estar na mesma plataforma. Mas uma equipa que constrói, por exemplo, fluxos de conteúdo de marketing que tocam em vários tipos de media beneficia de ter uma única relação de faturação, um único modelo de IAM e um único conjunto de APIs, em vez de ter de combinar fornecedores separados.

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

Dois detalhes do anúncio são suficientemente específicos para servir de base a decisões de conceção. A funcionalidade Instant Custom Voice do Chirp 3 cria uma voz personalizada a partir de apenas 10 segundos de áudio. É um limiar baixo o suficiente para mudar a forma como os produtos orientados por voz gerem o processo de integração — é possível captar uma amostra utilizável numa única gravação curta.

A proposta de edição do Veo 2 é descrita em termos de técnicas específicas: interpolação para transições suaves entre frames, e outpainting para expandir o enquadramento de imagens já existentes e reformatá-las para web e mobile. Este último ponto é uma ferramenta de reenquadramento — permite transformar vídeo tradicional em formatos verticais ou noutros rácios de aspeto sem necessidade de nova filmagem.

O preenchimento de imagem do Imagen 3 reconstrói partes ausentes ou danificadas de uma imagem, e as edições de remoção de objetos são descritas como de qualidade superior. Trata-se de operações de retoque, posicionadas como substitutas da edição manual em vez de geração de imagens totalmente novas.

O foco na edição é o verdadeiro sinal para os utilizadores da Vertex AI

O fio condutor entre o Veo 2 e o Imagen 3 é a edição de conteúdos já existentes, e não apenas a geração a partir de um prompt. Controlos de câmara, interpolação, outpainting, preenchimento de imagem e remoção de objetos operam todos sobre conteúdo que já existe.

Isto é relevante porque o trabalho de media em contexto empresarial é, na sua maioria, modificação, e não criação a partir do zero. Uma marca tem imagens e vídeos que já possui e que precisa de reaproveitar, limpar e reformatar. Posicionar estes modelos como ferramentas de refinamento responde a essa realidade de forma mais direta do que mais uma demonstração de conversão de texto em vídeo.

A implicação prática para as equipas que usam a Vertex AI: o valor a curto prazo está provavelmente na edição do Imagen 3 e, uma vez fora da lista de acesso, na reformatação do Veo 2 — transformar um único ativo em vários formatos — mais do que na geração de música do Lyria, que continua a ser a componente mais experimental e com acesso mais restrito de todo o anúncio.