- La tecnología V2A de Google DeepMind sincroniza música y efectos sonoros con precisión milimétrica en contenido visual por medio de IA
- Innovación que combina imágenes y audio para una experiencia audiovisual sin precedentes.
La tecnología V2A de Google DeepMind es realmente emocionante. Combina los píxeles del video con indicaciones de lenguaje natural para generar bandas sonoras realistas que se alinean perfectamente con la acción en pantalla. En resumen, V2A:
- Utiliza indicaciones basadas en texto y píxeles de video para crear diálogos, música y efectos de sonido para videos.
- Puede generar una cantidad ilimitada de bandas sonoras para cualquier video de entrada, ofreciendo un control creativo sin precedentes.
- Aunque aún no está disponible para el público en general, esta tecnología promete transformar la forma en que creamos y experimentamos videos generados por IA, añadiendo música dramática, efectos de sonido realistas y diálogos sincronizados
Según el laboratorio de investigación de IA de Google, esta innovación marca un hito al ofrecer una experiencia audiovisual enriquecida, superando las limitaciones de los videos mudos tradicionales. La tecnología V2A funciona integrando los píxeles del video con instrucciones textuales, permitiendo que las bandas sonoras se adapten completamente al estilo y contexto de cada escena.
Google DeepMind está también enfocado en mejorar la sincronización labial para asegurar que las palabras pronunciadas coincidan exactamente con los movimientos labiales de los personajes en pantalla. Además, la tecnología cuenta con el respaldo de SynthID, que aplica marcas de agua para proteger los contenidos generados contra usos no autorizados.
