Noticias IA · Generación de Video Cinematográfico y Multimodalidad
Edición: Álvaro MaureiraFecha: 2026-11-01Fuente: Google DeepMind Research & YouTube Video Generation Labs
Google DeepMind anunció Veo 2, la segunda generación de su modelo de síntesis de video fundacional de alta fidelidad. Diseñado para superar los artefactos de parpadeo y la inconsistencia morfológica de los primeros modelos difusores, Veo 2 genera secuencias continuas en resolución 4K a 24 cuadros por segundo con un entendimiento profundo del lenguaje cinematográfico: permite controlar paneos, planos secuencia, lentes focales específicos y simular con precisión la iluminación ambiental y la dinámica física de fluidos y materiales complejos.
Capítulo 01
La noticia en una frase
Google DeepMind lanzó Veo 2, un modelo generativo capaz de producir video en 4K con control cinematográfico de cámara y consistencia física prolongada.
En noviembre de 2026, DeepMind publicó los detalles de investigación y las métricas de evaluación de Veo 2. En evaluaciones ciegas frente a directores y evaluadores humanos, Veo 2 superó a competidores como Sora y Runway Gen-3 en coherencia de movimiento (+34%), fidelidad de adherencia a indicaciones de cámara (+41%) y reducción drástica de deformaciones anatómicas en planos medios.
Capítulo 02
El alcance que cambia la lectura
Hasta ahora, la generación de video mediante IA sufría de severas limitaciones: planos de apenas 4 a 6 segundos, distorsiones progresivas en rostros y manos, incapacidad para mantener la misma paleta de color a través de tomas consecutivas y movimientos erráticos de cámara. Veo 2 amplía el horizonte temporal a secuencias prolongadas de más de un minuto mediante un mecanismo de autorregresión latente condicionada por memoria visual persistente.
Capítulo 03
El mecanismo documentado
La arquitectura combina un transformador de difusión espacio-temporal (DiT) entrenado sobre representaciones latentes comprimidas con un compresor de video adaptativo de muy alta eficiencia. El modelo incorpora embeddings explícitos para descriptores cinematográficos estandarizados (como `pan-left`, `tracking shot`, `focal length 50mm` o `golden hour lighting`), permitiendo separar el control del movimiento de la cámara del contenido de la escena.
Capítulo 04
La relación entre las piezas
Veo 2 se integra de manera directa en el ecosistema creativo de Google: alimentará las herramientas creativas de YouTube Shorts, Vertex AI para productoras audiovisuales y la suite de Google Workspace, ofreciendo APIs de edición in-painting espacial y extensión temporal progresiva.
Capítulo 05
Qué capacidad se puede atribuir
Se comprueba una capacidad sin precedentes para simular cinemáticas complejas, comportamientos de luz volumétrica y sombras coherentes con la geometría tridimensional de la escena. Sin embargo, no se debe atribuir al modelo la capacidad de reemplazar la toma de decisiones creativa de un director de cine humano ni la autoría de narrativas dramáticas completas sin supervisión.
Capítulo 06
La puerta de control
DeepMind integró la tecnología SynthID en todos los fotogramas generados por Veo 2: una marca de agua digital imperceptible e inmune a recortes o compresiones de video, junto con filtros de seguridad en tiempo real para bloquear la clonación no autorizada de figuras públicas y contenido explícito.
Capítulo 07
Lo que la fuente no demuestra
La documentación de DeepMind no demuestra que Veo 2 sea inmune a fallos en la interacción táctil de múltiples personajes interactuando con objetos intrincados (como amarrar los cordones de un zapato o tocar instrumentos musicales con precisión milimétrica); en esos casos límite aún se aprecian artefactos sutiles.
Capítulo 08
Cómo probarlo sin prometer de más
Los creadores y estudios seleccionados pueden experimentar con Veo 2 en Google VideoFX y a través de listas de acceso controlado en Google Cloud Vertex AI, enviando secuencias de prompt estructuradas con metadatos de cámara y resolución de renderizado.
Capítulo 09
Veredicto editorial
Veo 2 marca la madurez de la generación de video por IA: de juguetes visuales curiosos con movimientos gelatinosos a herramientas cinematográficas de precisión con las que estudios profesionales pueden previsualizar y componer escenas fotorrealistas a una fracción del coste tradicional.
Fuente oficial y reporte: alvaromaureira.cl
