Veo Omni Flash 1.2 sube de 7 a 8,5 puntos en una prueba, pero confunde las referencias

Los modelos de vídeo suelen elogiarse a partir de demos que el propio proveedor ha seleccionado. Por eso resulta más interesante cuando alguien toma una versión nueva, la prueba con los mismos prompts que la anterior y cuenta con honestidad dónde tropieza. Así fue como un autor de Habr probó Google Veo Omni Flash 1.2.

Qué mostraron las pruebas

El autor tiene dos rankings propios. En el primero, «texto a vídeo», 12 modelos recibieron el mismo prompt sobre un cocinero callejero con fideos, y él puntuó cada uno de 1 a 10. Veo Omni Flash 1.2 obtuvo 8,5 y quedó en 4.º lugar. La versión anterior, la 1.1, sacó 7 puntos y quedó en 6.º lugar. En ambos casos un clip cuesta 21 tokens, es decir, la calidad ha subido sin que suba el precio.

En la segunda prueba, «animación de imagen», el modelo recibe tres imágenes ya hechas (un retrato, una obra y un bote) y debe darles vida. El resultado se calcula sobre 100. Omni Flash 1.2 logró 76,2, y la versión 1.1, aproximadamente lo mismo. Así que, si tu escenario principal es animar una imagen ya hecha, la actualización casi no aporta nada.

Ambas pruebas se repitieron con los mismos prompts y fotogramas, por lo que la comparación entre versiones es justa. Es un punto fuerte de la reseña: cambia solo el modelo, no las condiciones.

Novedades: 15 segundos y 7 referencias

La duración del clip ha aumentado hasta 15 segundos. Además, en SYNTX.AI se pueden subir hasta 7 imágenes en el modo de referencias. Las referencias sirven para que los personajes y objetos se vean igual de una escena a otra. Para la publicidad y los formatos seriados, esto es más importante que una imagen bonita.

En la práctica el resultado fue irregular. En un anuncio con una gama de 6 envases, el modelo mantuvo 4. En un vídeo sobre un gimnasio con 7 entrenadores, a tres se les descuadraron los detalles: el pelo, un tatuaje, la posición en el encuadre. En otras palabras, las «7 referencias» anunciadas no significan que las siete saldrán reconocibles. Cuantos más objetos hay en el encuadre, mayor es la probabilidad de que algunos «se deformen».

Física: el punto débil

El autor señala la física por separado. En el bote, las gotas se quedan quietas, aunque deberían resbalar. Y un saco de boxeo se balancea, aunque nadie lo golpee. El primer error es falta de movimiento; el segundo, movimiento sin causa. Ambos se notan incluso sin un análisis fotograma a fotograma, y ambos son fáciles de pasar por alto si ves el clip una sola vez y en una pantalla pequeña.

Qué hacer con esto

• Borradores de escenas a partir de texto. Por los mismos 21 tokens, la nueva versión está mejor valorada que la antigua. Si estás haciendo el storyboard de una idea o probando argumentos, merece la pena cambiar.
• Publicidad con líquidos. Gotas, bebidas derramadas, vapor: compruébalos fotograma a fotograma. Según las observaciones del autor, aquí el modelo falla de forma más visible de lo que promete Google.
• Gamas de productos y grupos de personas. No cuentes con que el modelo mantenga todas las referencias. Divide la escena en varios clips con menos objetos y únelos.
• Animación de imágenes ya hechas. Si ya usas la versión 1.1 y trabajas sobre todo con la «animación de imagen», no hay una razón urgente para migrar.

Limitaciones de la reseña

Las puntuaciones son subjetivas: las puso una sola persona. La prueba de texto se basa en un único prompt sobre un cocinero con fideos, así que 8,5 frente a 7 habla de una escena concreta, no de todos los géneros. El precio de 21 tokens corresponde a la plataforma SYNTX.AI, no a la API directa de Google. El autor añadió las escenas con referencias solo para la versión 1.2, así que no hay una comparación directa con la 1.1 en ellas.

La conclusión es sencilla: Veo Omni Flash 1.2 ha mejorado para borradores rápidos a partir de texto, pero no se ha vuelto fiable para anuncios con líquidos ni para encuadres con muchos personajes. Si haces vídeos de producción, reserva tiempo para la revisión y la regeneración, y no te fíes de la cifra «hasta 7 referencias».