David Sharon, Group Product Lead da Google DeepMind, detalhou ao Diário de Notícias a arquitetura do Google Omni, um sistema de edição conversacional de vídeo desenhado para manter a consistência visual dos sujeitos ao longo das alterações instruídas por texto ou voz. Na entrevista, o responsável destacou a integração de marcas de água digitais SynthID para combater a desinformação e sublinhou a importância dos processadores TPU da Google na escalabilidade computacional do modelo.
A edição generativa de vídeo esbarrava até agora num obstáculo prático: alterar um elemento num fotograma tendia a desconfigurar a identidade do sujeito nos fotogramas seguintes. Ao focar a arquitetura na consistência temporal através de instruções diretas, o modelo aproxima esta tecnologia da produção audiovisual profissional, onde a precisão de continuidade é mais determinante do que a simples geração de imagens isoladas do zero.
O detalhe relevante reside na combinação de infraestrutura e verificação. A inclusão nativa do SynthID e a dependência de TPUs próprias mostram que a viabilidade do vídeo generativo em escala empresarial não se mede apenas pela fidelidade visual, mas pela capacidade de rastrear a origem do material e gerir a eficiência dos custos computacionais associados.
Para produtoras, agências e equipas de conteúdos, a evolução deste tipo de arquitetura altera o critério de escolha de ferramentas. A edição sintética deixa de ser um ecossistema de demonstrações isoladas e passa a ser avaliada pela capacidade de resposta previsível e pela facilidade de integração no processo de pós-produção habitual.