Veo 3 và cú nhảy lịch sử từ im lặng đến âm thanh của video do AI tạo sinh.

Tại sự kiện Google I/O 2025, Google đã chính thức ra mắt Veo 3 - mô hình AI tạo tiên tiến, đánh dấu một bước tiến vượt bậc trong lĩnh vực sáng tạo nội dung bằng trí tuệ nhân tạo. Không chỉ tạo ra hình ảnh động với chất lượng vượt trội, Veo 3 còn có khả năng tạo âm thanh gốc cho từng video: từ hiệu ứng âm thanh, tiếng ồn nền đến cả hội thoại nhân vật; tất cả đều được đồng bộ hóa một cách mượt mà với nội dung hình ảnh.

Với Veo 3, người dùng có thể nhập prompt mô tả nhân vật, môi trường, và thậm chí gợi ý lời thoại cùng tông giọng, hệ thống sẽ tự động chuyển hóa thành video hoàn chỉnh có âm thanh phù hợp. Theo Google DeepMind, Veo 3 đặc biệt xuất sắc trong việc tái tạo hiệu ứng vật lý, tính chân thực và khả năng bám sát yêu cầu của prompt.

Với Veo 3, Google đưa video AI thoát khỏi “kỷ nguyên phim câm” để bước vào thời kỳ mới, nơi cả hình và tiếng đều được sinh ra bằng AI.

Hiện tại, Veo 3 được tích hợp trong ứng dụng chatbot Gemini, dành riêng cho người dùng gói AI Ultra trị giá 249,99 USD/tháng.

Thách thức, tiềm năng và mặt trái của Veo 3

DeepMind không tiết lộ chính xác dữ liệu huấn luyện mà Veo 3 sử dụng, nhưng nhiều khả năng nguồn chính là nền tảng YouTube vốn thuộc sở hữu của Google. Trước đó, DeepMind từng cho biết các mô hình như Veo “có thể” được huấn luyện từ một phần nội dung trên YouTube.

Để giảm thiểu nguy cơ bị lạm dụng, DeepMind đã tích hợp công nghệ watermark ẩn SynthID, giúp chèn dấu nhận diện vô hình vào từng khung hình mà Veo 3 tạo ra.

Mặc dù được Google quảng bá là công cụ hỗ trợ sáng tạo mạnh mẽ, Veo 3 nói riêng và các công cụ AI nói chung đang khiến không ít nghệ sĩ, nhà làm phim và người lao động trong ngành sáng tạo lo ngại. Một nghiên cứu vào năm 2024 do Animation Guild (hiệp hội đại diện cho các họa sĩ hoạt hình Hollywood) ủy quyền cho thấy: hơn 100.000 việc làm trong ngành phim, truyền hình và hoạt hình tại Mỹ có thể bị AI thay thế trước năm 2026.