En la conferencia Google I/O 2025, la inteligencia artificial (IA) no solo ha sido protagonista como herramienta de productividad o como complemento a las búsquedas web, sino también como herramienta creativa dirigida a un público amplio, incluyendo usuarios profesionales. De hecho, Google ha presentado toda una nueva generación de modelos generativos capaces de crear imágenes de alta calidad, vídeos con sonido realista e incluso composiciones musicales interactivas.

Lo que más llama la atención de Veo 3 es la capacidad para generar vídeos de hasta 8 segundos de duración, resolución 4K (en escenarios premium), fluidez cinematográfica y detalles visuales y sonoros de lo más convincentes. Ya hay ejemplos virales en redes donde entrevistas callejeras, videoclips, fragmentos de película o testimonios parecen totalmente reales, cuando en realidad surgen de simples prompts.

Estas son sus principales ventajas y novedades:

El impacto de Veo 3 ya se está dejando notar en sectores como la producción audiovisual, el marketing, la publicidad o la educación, donde las empresas pueden reducir semanas de trabajo y costes a unas pocas horas y mucho menor presupuesto.

Con estos modelos, Google deja claro su intento de liderar el sector de la IA generativa, con una propuesta de creatividad colaborativa... entre humanos e IA:

Imagen 4: precisión visual y diseño tipográfico impecable

Imagen 4 es la evolución del conocido modelo de generación de imágenes de Google. Está disponible en la app de Gemini, en herramientas como Google Slides, Docs, Vids y en el entorno empresarial Vertex AI., y sus principales novedades incluyen:

• Calidad fotográfica con detalles impresionantes: desde telas intrincadas hasta gotas de agua o pelaje de animales.
• Resoluciones de hasta 2K, ideales para impresión o presentaciones profesionales.
• Capacidad tipográfica avanzada, que permite generar textos correctamente escritos dentro de las imágenes, útil para pósters, cómics o tarjetas.
• Velocidad mejorada: se anunció también una variante rápida que es hasta 10 veces más veloz que Imagen 3.
• Antecedentes: El modelo Imagen fue introducido por Google en 2022 como un competidor directo de DALL·E y otros generadores de imágenes a partir de texto. Desde sus primeras versiones, Imagen destacó por su fidelidad semántica a las descripciones y por su nitidez visual. En Imagen 2 y 3, se fortalecieron aspectos como el realismo de las texturas y la coherencia compositiva, lo que permitió su integración en productos como Google Slides. Con Imagen 4, el modelo da un salto notable en resolución, detalles finos y habilidades tipográficas, posicionándose como una herramienta lista para el diseño profesional y la impresión de alta calidad.

Google ha presentado Veo 3, su nuevo modelo de generación de vídeo, que marca un hito al ser el primer modelo de IA de Google que genera vídeo con audio nativo. Entre sus capacidades más destacadas:

• Generación audiovisual completa: los usuarios pueden crear escenas con ruidos ambientales, diálogos y música de fondo a partir de simples descripciones en lenguaje natural.
• Física realista y sincronización labial precisa.
• Comprensión narrativa: Veo entiende y representa visualmente historias sugeridas por el usuario.

Veo 3 está disponible en el plan Google AI Ultra y se integra con la nueva herramienta creativa Flow, así como con Vertex AI para empresas.

También se han lanzado nuevas funciones en Veo 2, como:

• Referencias visuales (personajes, estilos, objetos).
• Controles de cámara: rotaciones, zooms, travellings.
• Outpainting para expandir la escena.
• Añadir o eliminar objetos con coherencia espacial.
• Antecedentes: El proyecto Veo comenzó como un esfuerzo para generar clips de vídeo breves y sin sonido a partir de texto, compitiendo con modelos como Make-A-Video de Meta o Runway. Veo 2 trajo mejoras en continuidad, control de cámara y consistencia entre escenas, permitiendo a cineastas experimentar con narrativas visuales. Sin embargo, estos vídeos carecían de un componente esencial: el sonido.