Veo

alapterjedő

A Veo a Google DeepMind videókészítő mesterségesintelligencia-modellje, amely szöveges leírásból vagy képből rövid, élethű, újabb változataiban hanggal is ellátott mozgóképet állít elő.

Érthetően

A Veo olyan, mint egy gyors vázlatkészítő filmstáb: pár mondatban leírod, mit szeretnél látni, és általában egy-két perc múlva kapsz egy rövid videót. Nem kell hozzá kamera, színész vagy helyszín.

Reklámötletek, közösségimédia-videók, oktatási illusztrációk és filmes látványtervek gyors elkészítésére használják. Amihez régen forgatás kellett, azt ma vázlat szintjén egyetlen ember is kipróbálhatja a számítógépe előtt.

A Veo 3 óta a modell a képhez illő hangot is maga készíti: beszédet, zajokat, zenét. Ma már más videógenerátorok is tudnak hangot adni a képhez, de a Veo ebben az elsők között volt. A Google a saját termékeibe építi be, így a Gemini alkalmazásban, a Flow nevű filmkészítő eszközben és a YouTube Shortsban is találkozhatsz vele.

Hogyan működik

A modellt rengeteg videón és a hozzájuk tartozó leíráson tanították be, így megtanulta, hogyan néznek ki és hogyan mozognak a dolgok a világban.
Te megadsz egy szöveges utasítást (promptot), esetleg egy kiinduló képet, és leírod a jelenetet, a kameramozgást, a hangulatot.
A Veo véletlenszerű „zajból” indul, és lépésről lépésre tisztítja azt, amíg ki nem rajzolódik a leírásodnak megfelelő képkockák sora. Ezt diffúziós eljárásnak hívják. A modell valójában a videó tömörített, belső leírásán dolgozik, és ezt alakítja vissza képpé.
Közben arra is ügyel, hogy a képkockák összeilljenek: a szereplő ugyanúgy nézzen ki a jelenet elején és végén, a mozgás pedig folyamatos legyen. Az újabb változatok a hangot is a képpel együtt állítják elő.
Az elkészült videóba a Google láthatatlan digitális vízjelet (SynthID) ágyaz, amely jelzi, hogy a felvételt mesterséges intelligencia készítette. Sok felületen ezt látható jelölés is kiegészíti.

Példa a mindennapokból

A közösségi médiában görgetsz, és szembejön egy videó, amelyben egy riporter utcai interjút készít egy beszélő kutyával. Ilyen felvételt ma már néhány mondatos leírásból is könnyen készíthet bárki, például a Veóval a Gemini alkalmazásban. A kép, a hang és a szájmozgás is meggyőző, pedig semmit sem forgattak le.

Kit érint

marketingesReklámvideók, termékbemutatók és kampányötletek vázlatát forgatás nélkül, töredék költségen készítheted el vele. → Marketing

vállalkozó, vezetőKis cégként is jó minőségű videós tartalmat gyárthatsz, de döntened kell arról, mikor elég a generált anyag, és mikor kell valódi forgatás.

szülő, diák, tanárSzemléltető videókat készíthetsz vele, ugyanakkor meg kell tanítani a gyerekeknek, hogy egy élethű felvétel már nem bizonyíték. → Oktatás és család

mindenkiA hírfolyamodban egyre több az MI-vel készült videó, ezért érdemes kétkedve nézned a meghökkentő felvételeket.

Gyakori félreértés

TévhitA Veo kész, egész estés filmet készít egyetlen mondatból.

ValójábanA modell rövid, jellemzően 8 másodperc körüli klipeket állít elő. Ezek bizonyos eszközökkel meghosszabbíthatók, de egy hosszabb filmhez sok jelenetet kell külön legenerálni, kiválogatni és összevágni, ami továbbra is emberi munka.

Korlátok és kockázatok

A klipek rövidek, és hosszabb történetnél nehéz elérni, hogy a szereplők és a helyszínek jelenetről jelenetre ugyanúgy nézzenek ki.
Előfordulnak hibák: furcsa kézmozdulatok, fizikailag lehetetlen mozgások, értelmetlen feliratok, és a magyar nyelvű beszéd minősége is ingadozhat.
Élethű hamis videók (deepfake-ek) is készíthetők vele; a beépített vízjel és a tiltások segítenek, de nem jelentenek teljes védelmet.
A használat többnyire előfizetéshez és kreditkerethez kötött, a szerzői jogi kérdések (mire tanították, kié az eredmény) pedig még nem lezártak.

Hasonló, de nem ugyanaz

Sora – A Sora az OpenAI hasonló célú videógeneráló modellje, vagyis versenytárs, nem ugyanaz a termék.
Deepfake – A deepfake a megtévesztő, valós személyt utánzó hamis felvétel neve. A Veo ezzel szemben egy eszköz, amellyel ártalmatlan és megtévesztő videó egyaránt készülhet.
Imagen – Az Imagen a Google egyik állóképeket készítő modellje, a Veo viszont mozgóképet és hangot állít elő.

Kapcsolódó fogalmak

Tágabb

Generatív mesterséges intelligencia, Videógenerálás, Generatív média

Szűkebb

Veo 3, Flow

Rokon

Sora, Diffúziós modell, Deepfake, SynthID, Gemini

Röviden a története

A Google 2024 májusában, az I/O fejlesztői konferencián mutatta be a Veót. 2024 decemberében jelent meg a Veo 2. A 2025 májusában bemutatott Veo 3 volt az első változat, amely a képpel együtt hangot is generált. 2025 októberében következett a Veo 3.1.

Hol tart most

A Veo a Google több termékében (Gemini, Flow, YouTube Shorts, Vertex AI) elérhető, és a reklám- és tartalomgyártásban egyre gyakrabban használják. Teljes filmes munkafolyamatot még nem vált ki, inkább rövid klipek és vázlatok eszköze.

Állapot: 2026. november

Más nevei

Veo · Google Veo · Veo 2 · Veo 3 · Veo 3.1 · Google DeepMind Veo · Veo videógenerátor · Veo video model

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.