Google Veo 3 enfrenta críticas por adicionar legendas sem comando dos usuários

O Veo 3, mais recente modelo de geração de vídeos com inteligência artificial do Google, vem chamando a atenção por permitir a criação de cenas realistas com áudio e falas sincronizadas.

A novidade, lançada no fim de maio, abriu novas possibilidades criativas para profissionais de vídeo e publicidade, que passaram a testar a ferramenta em trailers fictícios, vídeos ASMR e até curtas-metragens.

Mas junto com o entusiasmo vieram os primeiros desafios. Um problema recorrente tem incomodado usuários: o modelo frequentemente insere legendas sem sentido nos vídeos, mesmo quando os comandos pedem que elas não sejam incluídas.

Esse comportamento inesperado torna muitos vídeos inutilizáveis, principalmente em cenas com falas. Para contornar o problema, os criadores precisam regenerar os vídeos, cortar partes da imagem ou recorrer a ferramentas externas, o que aumenta custos e consome tempo.

Apesar de o Google afirmar que já implementou correções para reduzir a aparição dessas legendas, relatos no canal oficial do Discord do Google Labs mostram que o erro ainda persiste.

Especialistas explicam que o modelo pode estar aprendendo a incluir legendas devido ao tipo de conteúdo usado em seu treinamento, que provavelmente inclui muitos vídeos da internet já com texto embutido nas imagens, como vlogs e clipes do TikTok.

Profissionais relatam que parte significativa das gerações vem com legendas aleatórias, o que obriga novos testes e consome créditos rapidamente.

Em resposta, o Google diz estar trabalhando para melhorar a sincronização entre imagem, fala e texto, e recomenda que usuários enviem feedbacks pela ferramenta.

No entanto, segundo especialistas, corrigir esse tipo de falha exigiria revisar e reclassificar grande parte do material usado no treinamento da IA, uma tarefa que pode levar semanas.