Google presenta Whisk, su nueva IA capaz de crear videos usando imágenes

Google ha presentado Whisk, una inteligencia artificial capaz de generar videos utilizando imágenes como punto de partida. A diferencia de otras herramientas que dependen únicamente de comandos o prompts, como “genera un video de un gato blanco acostado en una cama”, Whisk permite al usuario subir una foto del gato y añadir una descripción para personalizar el video.

La plataforma funciona en tres etapas: el sujeto del video, la escena y el estilo. En cada uno de estos pasos, los usuarios pueden:

• Subir una foto propia.
• Generar una imagen con IA directamente en la plataforma.
• Seleccionar una imagen disponible en el sitio.

Por último, deben ingresar una descripción que complemente la creación del video. Si el resultado no es el esperado, Whisk incluye la opción ‘Refine’, que permite realizar ajustes. Al seleccionar esta función, los usuarios pueden agregar una nueva descripción con los cambios deseados. Una vez finalizado, solo deben pulsar el ícono de descarga (una flecha hacia abajo) para guardar el video.

Cómo ingresar a Whisk de Google

Para ingresar a Whisk, la nueva IA de Google, los usuarios deben ingresar a la siguiente página: https://blog.google/technology/google-labs/whisk/.

Deben iniciar sesión con una cuenta personal de Google así como encontrarse en Estados Unidos, es el único país en el que esta herramienta se encuentra disponible, por el momento.

Google Labs es el espacio donde Google presenta sus más recientes experimentos con inteligencia artificial y permite a los usuarios dar retroalimentación para perfeccionar estas herramientas.

“En Google Labs, desarrollamos experimentos con los últimos modelos de IA generativa, como Gemini, Imagen y Veo. Nuestro objetivo es recibir comentarios sobre nuevos productos y funciones, mientras trabajamos en conjunto para dar forma a la tecnología”, explicaron Thomas Iljic, director de gestión de productos en Google Labs, y Nicole Brichtova, gerente de producto en Google DeepMind.

Dado que Whisk es un experimento reciente de Google Labs, Iljic y Brichtova advierten que la herramienta “extrae solo algunas características clave de la imagen, por lo que es posible que genere resultados que difieran de las expectativas”.

“Whisk puede no cumplir por completo tus necesidades. Por esta razón, te permitimos ver y editar las indicaciones subyacentes en cualquier momento”, señalan.

No obstante, en sus primeras pruebas con artistas y creativos, Whisk ha sido descrito como una herramienta creativa innovadora, y no como un editor de imágenes tradicional.

“Lo diseñamos para facilitar una exploración visual rápida, no para lograr ediciones perfectas. Se trata de explorar ideas de formas nuevas y creativas, permitiéndote trabajar con docenas de opciones y descargar las que más te gusten”, afirmaron los responsables del proyecto.

Qué es Gemini 2.0 de Google

Gemini 2.0 es el modelo de inteligencia artificial más avanzado y rápido hasta la fecha de Google. Esta IA permite realizar múltiples tareas simultáneamente con mayor autonomía, reduciendo la necesidad de supervisión humana.

Por ejemplo, un usuario puede emplear Gemini 2.0 para recopilar y organizar artículos científicos, estadísticas y tendencias globales de manera simultánea. Integra capacidades de generación de imágenes, permitiendo crear contenido gráfico a partir de descripciones textuales proporcionadas por los usuarios.

Según Sundar Pichai, director ejecutivo de Google y Alphabet, “si Gemini 1.0 se centraba en organizar y comprender la información, Gemini 2.0 se centra en hacerla mucho más útil”.

Demis Hassabis, director ejecutivo de Google DeepMind, y Koray Kavukcuoglu, director de tecnología de Google DeepMind, explican que este modelo puede admitir entradas multimodales como imágenes, video y audio, y generar resultados en varios formatos.

Además, puede buscar información en Google, ejecutar programas y utilizar herramientas de terceros, lo que lo hace ideal para tareas como analizar un video educativo, resumirlo en texto con gráficos y generar una presentación con narración en diferentes idiomas.

Los ejecutivos de Google señalaron que pronto estará disponible en la aplicación móvil de Gemini y que a principios del próximo año se ampliará Gemini 2.0 a más productos de Google.

Para utilizar Gemini 2.0, los usuarios pueden acceder a la página web de Gemini, seleccionar ‘2.0 Flash Experimental’ y comenzar a interactuar con la nueva IA de Google.