O que é o vale estranho? Google, Veo 3 e a inteligência artificial que pensa que é real

A Google revelou o novo Veo 3, um modelo de inteligência artificial capaz de gerar vídeos altamente realistas. Esta tecnologia pode criar clipes animados com um nível de definição, coerência visual e atenção aos detalhes surpreendentemente avançado em comparação com os padrões anteriores. Desde a sua apresentação, o Veo 3 tem sido considerado mais poderoso do que outras ferramentas semelhantes, particularmente quando comparado ao Sora by OpenAI, lançado no final de 2024. A comparação direta entre os dois destacou o nível alcançado em pouco tempo neste campo: o Veo 3 produz resultados ainda mais críveis do que todas as principais ferramentas concorrentes, que já são muito sofisticadas. Uma forma recorrente de avaliar a eficácia destes sistemas é solicitar a criação de um vídeo de “Will Smith comendo espaguete”, um formato que se tornou agora um meme entre os entusiastas da IA. Se em 2023 as imagens resultantes pareciam ásperas, granuladas e irrealistas, hoje o mesmo prompt produz uma cena quase indistinguível de uma gravação real. Apesar das suas capacidades avançadas, usar o Veo 3 ainda é extremamente simples: basta escrever uma descrição de texto para obter um clipe coerente e detalhado. Para suportar esta ferramenta, o Google introduziu também o Flow, um editor de vídeo que modifica automaticamente o conteúdo gerado com o Veo 3 utilizando apenas comandos escritos.

Uma das funcionalidades mais interessantes da nova ferramenta do Google é a capacidade de adicionar elementos sonoros dentro dos clipes: através de entradas de texto simples, é potencialmente possível prever ruídos ambientes complexos e até diálogos entre caracteres gerados. Esta abordagem permite conteúdo de vídeo totalmente finalizado sem qualquer gravação de áudio ou dublagem posterior. Sem surpresa, na sequência do lançamento, as principais redes sociais foram rapidamente preenchidas com conteúdos gerados com recurso ao Veo 3. Por exemplo, alguns destes vídeos imitam fielmente o formato e o tom das emissões de notícias, mostrando imagens realistas, legendas e oradores; outros reproduzem entrevistas no estilo vox pop, como as normalmente vistas no TikTok e no Instagram. Neste contexto, um subgénero particularmente discutido é o dos vídeos onde personagens fictícios gerados por IA negam ser artificiais, alimentando uma sensação de ambiguidade e desorientação. Perante este fenómeno, muitas pessoas começaram a usar o termo inglês uncanny valley, referindo-se ao desconforto particular sentido quando algo artificial aparece surpreendentemente humano. Nesse sentido, vídeos feitos com o Veo 3 que mostram indivíduos a responder perguntas como se fossem reais, ou a defender-se contra acusações de não serem reais, têm causado bastante mal-estar entre os utilizadores.

As indústrias cinematográfica e televisiva, bem como a animação e outros ramos da produção audiovisual, estão a encarar estas tecnologias com crescente preocupação, uma vez que podem mudar radicalmente o mercado. Em 2023, a greve dos atores e escritores de Hollywood abordou também o crescente uso da IA. A capacidade de criar cenas complexas a baixo custo, sem depender de cenários, atores, ou equipas técnicas, poderá trazer benefícios económicos aos estúdios de produção, mas também consequências negativas para quem trabalha no setor. Um exemplo recente de uso generalizado destas ferramentas foi visto no concerto do Liberato no Circus Maximus, em Roma, a 31 de maio: durante o evento, grande parte dos visuais projetados foram claramente gerados usando IA. A escolha dividiu um pouco o público. Alguns espectadores criticaram posteriormente o resultado estético nas redes sociais, julgando-o caótico e inconsistente com o estilo que distinguiu as anteriores performances ao vivo do artista. Ainda não está claro a rapidez com que essas tecnologias serão adoptadas em larga escala, ou se substituirão total ou parcialmente a contribuição humana, mas a preocupação dentro da indústria é real. Mais do que uma ameaça imediata, o Veo 3 e ferramentas semelhantes são vistos como sinais de uma grande mudança em curso, que nos próximos anos poderá redefinir radicalmente a forma como os conteúdos visuais são produzidos.