Veo Omni Flash 1.2 subiu de 7 para 8,5 pontos em um teste, mas confunde referências

Modelos de vídeo costumam ser elogiados com base em demos que o próprio fornecedor selecionou. Por isso é mais interessante quando alguém pega uma nova versão, roda nos mesmos prompts da anterior e relata com honestidade onde ela tropeça. Foi assim que um autor do Habr testou o Google Veo Omni Flash 1.2.

O que os testes mostraram

O autor tem dois rankings próprios. No primeiro, «texto para vídeo», 12 modelos receberam o mesmo prompt sobre um cozinheiro de rua com macarrão, e ele avaliou cada um de 1 a 10. O Veo Omni Flash 1.2 obteve 8,5 e ficou em 4.º lugar. A versão anterior, a 1.1, recebeu 7 pontos e ficou em 6.º lugar. Nos dois casos o clipe custa 21 tokens, ou seja, a qualidade subiu sem aumento de preço.

No segundo teste, «animação de imagem», o modelo recebe três imagens prontas (um retrato, uma obra e um pote) e deve animá-las. O resultado é calculado em 100. O Omni Flash 1.2 fez 76,2, e a versão 1.1, aproximadamente o mesmo. Portanto, se o seu cenário principal é animar uma imagem pronta, a atualização quase não traz nada.

Os dois testes foram repetidos com os mesmos prompts e quadros, então a comparação entre as versões é justa. Esse é um ponto forte da análise: muda apenas o modelo, e não as condições.

Novidades: 15 segundos e 7 referências

A duração do clipe aumentou para 15 segundos. Além disso, no SYNTX.AI é possível enviar até 7 imagens no modo de referências. As referências servem para que personagens e objetos tenham a mesma aparência de cena para cena. Para publicidade e formatos seriados, isso é mais importante do que uma imagem bonita.

Na prática, o resultado foi irregular. Em um anúncio com uma linha de 6 embalagens, o modelo manteve 4. Em um vídeo sobre uma academia com 7 treinadores, três tiveram detalhes desandados: cabelo, tatuagem, posição no quadro. Em outras palavras, as «7 referências» declaradas não significam que as sete sairão reconhecíveis. Quanto mais objetos no quadro, maior a chance de que alguns deles «derretam».

Física: o ponto fraco

O autor destaca a física separadamente. No pote, as gotas ficam paradas, embora devessem escorrer. E o saco de pancada balança, embora ninguém bata nele. O primeiro erro é falta de movimento; o segundo, movimento sem causa. Ambos são visíveis mesmo sem uma análise quadro a quadro, e ambos são fáceis de deixar passar se você assistir ao clipe uma só vez e em uma tela pequena.

O que fazer com isso

• Rascunhos de cenas a partir de texto. Pelos mesmos 21 tokens, a nova versão foi avaliada acima da antiga. Se você está fazendo o storyboard de uma ideia ou testando enredos, vale migrar.
• Anúncios com líquidos. Gotas, bebidas derramadas, vapor: confira quadro a quadro. Segundo as observações do autor, aqui o modelo erra de forma mais visível do que o Google promete.
• Linhas de produtos e grupos de pessoas. Não conte com o modelo mantendo todas as referências. Divida a cena em vários clipes com menos objetos e junte-os.
• Animação de quadros prontos. Se você já usa a versão 1.1 e trabalha principalmente com «animação de imagem», não há motivo urgente para migrar.

Limitações da análise

As notas são subjetivas: foram dadas por uma só pessoa. O teste de texto se baseia em um único prompt sobre o cozinheiro com macarrão, então 8,5 contra 7 dizem respeito a uma cena específica, e não a todos os gêneros. O preço de 21 tokens refere-se à plataforma SYNTX.AI, e não à API direta do Google. As cenas com referências foram adicionadas pelo autor apenas para a versão 1.2, então não há comparação direta com a 1.1 nelas.

O resumo é simples: o Veo Omni Flash 1.2 ficou melhor para rascunhos rápidos a partir de texto, mas não se tornou confiável para anúncios com líquidos nem para quadros com muitos personagens. Se você faz vídeos de produção, reserve tempo para revisão e nova geração, e não confie no número «até 7 referências».