Veo 3, Googles Video-KI kommt nach Italien: Das kann sie

Nach seinem internationalen Debüt im Mai während der Google I/O ist Veo 3 – der von Google DeepMind entwickelte KI-basierte Videogenerator – nun auch in Italien in der Gemini-App verfügbar (allerdings nur in der kostenpflichtigen Pro-Version). Das Tool ermöglicht die Erstellung von Videos aus einfachen Textansagen und verspricht eine Bildqualität, die Kinostandards immer näher kommt. Ein weiteres Mosaiksteinchen im Mosaik der generativen Technologien, jedoch mit besonderem Fokus auf Leistung, kreativer Kontrolle und Integration in das Google-Ökosystem.

Veo 3 kann Videos mit bis zu 1080p erstellen, mit flüssigen Sequenzen, realistischen Übergängen und einer Vielzahl visueller Stile, von dokumentarisch bis surreal. Der Nutzer beschreibt einfach die gewünschte Szene („ein Segelboot auf dem Meer bei Sonnenuntergang, von oben aufgenommen“), und das System liefert einen stimmigen, bearbeiteten und animierten Clip. Im Vergleich zu anderen Tools wie Sora von OpenAI betont Google die Möglichkeit, die narrative und stilistische Konsistenz im Laufe der Zeit besser zu kontrollieren – ein wichtiger Punkt für alle, die mit professionellen visuellen Inhalten arbeiten.

Die Technologie ist das Ergebnis der Integration der linguistischen Modelle von Gemini 1.5 Pro mit den fortschrittlichen Videogenerierungsfunktionen von DeepMind und kann bereits in einer Demoversion in der Gemini-App getestet werden, die für Android, iOS und das Web verfügbar ist. Ein Enterprise-Konto ist nicht erforderlich. Für den Zugriff auf die erweiterten Funktionen muss jedoch der Gemini Advanced-Plan aktiviert werden, der im Google One AI Premium-Abonnement enthalten ist (zum Preis von 21,99 Euro pro Monat).

Neben der textbasierten Generierung ermöglicht Veo auch anspruchsvollere Interaktionen: Sie können Kamerabewegungen und -winkel festlegen oder die Bildästhetik bearbeiten („Vintage-Stil, warmes Licht, 35-mm-Filmeffekt“). Text-to-Edit und Frame-by-Frame-Steuerung wurden bereits veröffentlicht, um die künstlerische Ausrichtung der Ergebnisse zu verbessern.

Google betonte zudem seinen verantwortungsvollen Entwicklungsansatz: Jedes produzierte Video wird mit SynthID-Metadaten versehen, die für das menschliche Auge unsichtbar, aber von Software erkennbar sind. Dies ist ein Schritt hin zu mehr Transparenz bei der Unterscheidung zwischen echten und synthetischen Inhalten, was im Zeitalter von Desinformation und Deepfake-Inhalten von zentraler Bedeutung ist.