Veo 3.1 de Google aprende a convertir fotos de retrato en vídeos verticales

El vídeo vertical ha dejado definitivamente de ser un formato de segunda categoría. Google ha actualizado su modelo de generación de vídeo Veo 3.1 con compatibilidad nativa con clips verticales, los que dominan TikTok, Instagram Reels y YouTube Shorts. Pero no se trata solo de girar el encuadre 90 grados: la compañía ha rediseñado a fondo el mecanismo que determina hasta qué punto el vídeo generado se ajusta a las imágenes de origen.

La herramienta «Ingredients to Video», presentada el año pasado, permite subir hasta tres imágenes de referencia y crear vídeos a partir de ellas. Pueden ser retratos de personajes, texturas de fondo o elementos del entorno: en esencia, «ingredientes» visuales con los que la red neuronal monta el clip final. El problema de la versión anterior era que el modelo a menudo «inventaba» detalles y se desviaba de las referencias cargadas. La actualización pretende corregirlo: Google promete resultados «más expresivos y creativos» con una reproducción «rica» del material original.

Por qué el vídeo vertical es el foco de esta actualización tiene una respuesta evidente. Los clips verticales cortos generan miles de millones de visualizaciones al día. Creadores, profesionales del marketing y community managers necesitan desde hace tiempo herramientas capaces de producir rápidamente contenido visualmente atractivo en este formato. Hasta ahora, la mayoría de los generadores de vídeo con IA estaban pensados para el formato horizontal, «cinematográfico», de 16:9, y los clips verticales había que recortarlos a mano, con pérdida de calidad y de composición. El soporte nativo significa que el modelo compone el encuadre desde el principio para la orientación vertical, con los objetos bien colocados y atención a las proporciones del rostro y del fondo.

La función de aumento de resolución, el upscaling, merece mención aparte. Los modelos de vídeo generativo siguen limitados en resolución: el coste computacional de crear vídeo en 4K es astronómico. El upscaling permite generar el clip en una resolución menor y luego escalarlo de forma inteligente conservando detalle y nitidez. Es un compromiso pragmático que hace que el vídeo con IA sea apto para publicarse en plataformas que exigen al menos Full HD.

El contexto de esta actualización no se entiende sin la carrera competitiva. OpenAI sigue desarrollando Sora, que ya está disponible para los suscriptores de ChatGPT Plus. Runway lanza una iteración tras otra de Gen-3 Alpha.

Las empresas chinas, como Kling, MiniMax y ByteDance con su propio modelo, aceleran a un ritmo alarmante. En este entorno Google no puede permitirse quedarse atrás, sobre todo porque Veo está integrado en el ecosistema Gemini y potencialmente está al alcance de cientos de millones de usuarios a través de los servicios de Google. Cada actualización funcional no es solo una mejora técnica, sino un movimiento estratégico en la lucha por el mercado del vídeo generativo, que según los analistas podría superar los 10.

000 millones de dólares en 2028.

Conviene señalar también que mejorar la consistencia con las imágenes de referencia resuelve uno de los principales problemas de los usuarios de modelos de vídeo generativo. Cuando subes la foto de una persona concreta y quieres un vídeo con exactamente ese rostro, incluso pequeñas desviaciones, como otra forma de nariz, un color de ojos distinto o rasgos que «flotan», rompen la ilusión. Para el uso comercial, ya sea publicidad o contenido para marcas, esos errores son inaceptables. Si Google ha logrado de verdad aumentar la fidelidad, Veo se acerca al umbral de la viabilidad comercial.

Las consecuencias prácticas para los usuarios de Rusia son por ahora limitadas: el acceso a Veo a través de los servicios de Google en Rusia es complicado, y la compañía ofrece una API completa a desarrolladores externos solo de forma selectiva. Aun así, la tendencia es clara: la generación de vídeo con IA pasa rápidamente de juguete experimental a herramienta de trabajo. Formato vertical, seguimiento preciso de las referencias y aumento de resolución son ladrillos en los cimientos de un futuro en el que buena parte del vídeo de las redes sociales no lo creará una cámara, sino una red neuronal.

Google cierra metódicamente la brecha entre lo que los modelos generativos pueden hacer en teoría y lo que les exige el mercado real. Un vídeo vertical a partir de una foto de retrato no es una revolución. Es madurez de ingeniería, y eso es lo que decidirá quién acaba ocupando la posición dominante en la industria del vídeo con IA.

*Meta está reconocida como organización extremista y prohibida en la Federación de Rusia.