Googles satsning på AI har tagit ett stort steg framåt med lanseringen av Veo 3. Det är en modell som kan skapa både video och ljud från en enkel textbeskrivning.
Klippen blir upp till åtta sekunder långa och kan innehålla allt från dialog och musik till ljudeffekter och bakgrundsljud. Idag kommer vi titta närmare på hur Veo 3 fungerar, vad man kan använda den till, vilka begränsningar som finns och varför den ses som ett viktigt steg för framtidens sätt att skapa video.
Vad är Veo 3?
Veo 3 är en AI-modell från Google DeepMind som genererar videoklipp på upp till åtta sekunder. Tidigare versioner kunde bara skapa bild utan ljud, men här har man lagt till tal, bakgrundsljud, musik och effekter. Resultatet blir en liten filmsnutt som väldigt verklig ut.
Videokvaliteten når 720p eller 1080p beroende på inställningar, och man kan välja mellan klassiskt horisontellt format eller stående format som fungerar för mobil och sociala medier. På det sättet passar tekniken lika bra för kreativa projekt som för reklamklipp eller snabba inlägg online.
Så fungerar det i praktiken
Användaren skriver en kort text som beskriver vad som ska hända. Det kan till exempel vara “en hund som springer på en strand i solnedgången, med ljud av vågor och mjuk musik i bakgrunden”. Modellen tolkar sedan texten och skapar ett videoklipp som stämmer överens med beskrivningen.
För utvecklare finns Veo 3 tillgängligt via Googles Gemini-plattform och Vertex AI. Där går det att styra allt från upplösning till kameravinklar, samt specificera hur ljudet ska låta. Google har dessutom utvecklat verktyget Flow som bygger på samma modell och gör det lättare att skapa längre berättelser genom att hålla ihop samma karaktärer, miljöer och stilar i flera klipp.
Olika versioner av modellen
Förutom standardversionen finns även Veo 3 Fast, som prioriterar snabbhet framför högsta kvalitet. Den används när man vill få fram resultat snabbt, exempelvis för test eller enklare klipp. Båda versionerna kan generera video med ljud, men i olika nivåer av detalj och realism.
Tillgång och pris
Veo 3 finns just nu i preview och kan användas via Googles Gemini API och Vertex AI. Det är alltså främst utvecklare och företag som har tillgång i dagsläget, även om det på sikt kan bli tillgängligt för fler användare.
Priset baseras på videons längd och upplösning. För standardversionen av Veo 3 ligger kostnaden på cirka 0,40 USD per sekund video, medan den snabbare varianten Veo 3 Fast kostar omkring 0,15 USD per sekund.
Användningsområden
Det här verktyget kan användas på många sätt. Reklambyråer kan skapa snabba prototyper på kampanjfilmer, filmskapare kan använda det som ett stöd i idéstadiet och privatpersoner kan göra korta kreativa klipp för sociala medier.
Eftersom klippen är begränsade till åtta sekunder är det bäst lämpat för korta scener, förhandsvisningar eller experiment snarare än längre berättelser.
Styrkor och möjligheter
En av de största fördelarna är att bild och ljud skapas samtidigt, vilket gör att helhetsupplevelsen blir starkare än med tidigare AI-videomodeller.
Ljussättning, rörelse och fysik efterliknas på ett övertygande sätt, vilket gör att scener ofta ser förvånansvärt realistiska ut. Stödet för stående video gör dessutom att materialet kan användas direkt i plattformar som TikTok eller Instagram.
Begränsningar och problem
Det finns fortfarande hinder. Videorna är korta och passar inte för längre berättelser. När scener blir för komplexa kan modellen missa detaljer eller tolka instruktionen på ett märkligt sätt. Ljudet kan ibland låta onaturligt om prompten inte är tydlig.
För att motverka missbruk lägger Google in spärrar mot känsligt innehåll och alla klipp vattenmärks digitalt för att visa att de är AI-genererade.
Tips för bättre resultat
Den som vill testa Veo 3 får bäst resultat genom att vara tydlig i sina beskrivningar. Det är smart att specificera miljö, ljus, ljud och rörelser i detalj. Enkla scener fungerar ofta bäst, och det kan vara klokt att dela upp större idéer i flera korta klipp.
Flow-verktyget gör det lättare att skapa en känsla av sammanhang om man vill bygga en längre berättelse i flera steg.