VERANDER DE VLINDER IN EEN BIJ. VERANDER VERDER NIETS.
Verander de vlinder in een bij. Verander verder niets.
Alleen de vlinder verandert; de scène eromheen blijft staan. Veo had je een nieuwe bloem in een nieuwe kamer gegeven.
CREATIEVE ZONE · LANGE READ · MEI 2026
The brief got quieter.
Ik prompt dezelfde scène van acht seconden al sinds eind 2024 keer op keer opnieuw. Ik aan de Moog in de studio. Een trage progressie van vier akkoorden, warm hoofdlicht, stof in de lucht. Niets bijzonders. Het soort clip dat ik in een portfolioreel zou monteren.
De output werd beter, voorspelbaar. De brief werd korter, veel minder voorspelbaar. Veo 2 had 260 woorden nodig en een omweg voor de stilte. Omni had veertien woorden nodig en een vervolgnotitie. Leg de vier briefs naast elkaar en alleen hun lengte laat al zien hoe de architectuur veranderde.
MOTION · VIER VEO-GENERATIES · ÉÉN SCÈNE
De vier briefs, volledig.
BRIEF260
Een cinematische video, medium shot, op ooghoogte. Een kale man van begin veertig — volle baard, lichte stoppels langs de kaaklijn, donker leigrijze hoodie onder een zwaarder zwart overshirt — zit aan een vintage analoge synthesizer in een omgebouwde Rotterdamse loodsstudio. De synth is een Moog Voyager, houten zijpanelen, tweehandige houding, zijn rechterhand op de toetsen halverwege het klavier, zijn linkerhand stelt de cutoff-knop in de linkerbovenhoek van het paneel bij. Zacht, gelijkmatig hoofdlicht van linksaf bij ongeveer 3200K. Een koeler 4500K-randlicht van rechtsaf, dat hem losmaakt van de donkere betonnen muur achter hem. Zichtbare stofdeeltjes in de lichtbundels. Camera: 35mm-lens, lichte push-in van 5% over de acht seconden. Het onderwerp is volledig geconcentreerd; hij kijkt niet in de camera. Hij speelt drie of vier akkoorden over de acht seconden. Zijn hand op de cutoff-knop beweegt één keer, langzaam, halverwege de clip. Kader het shot strak genoeg om zijn gezicht te lezen, maar breed genoeg om het synth-paneel van rand tot rand mee te nemen. Belichtingswaarden warmer in de middentonen, diepe zwarten in de schaduwen. Stijlreferentie: cinematische film, 1080p, 24 fps, lichte cinematische filmkorrel. Geen tekst in beeld. *Geen muziek in de gegenereerde audio — de synth zelf mag niet hoorbaar zijn, deze clip wordt apart in post van muziek voorzien.*
OUTPUTVEO 2
VEO 2 · DEC 2024 · 260 WOORDEN
Architecturale staat: latente diffusie, geen native audiopad, geen multi-turn-geheugen.
Wat de brief moet dragen: de hele wereld. Coördinaten, kleurtemperaturen, lenskeuze, houding, timing van de beweging. De laatste regel van de prompt is een omweg voor een vermogen dat het model niet heeft.
Je zou het een briefing-inversie kunnen noemen: de verhouding tussen regisseur en renderer kantelt. De Veo 2-brief leest als regie-aanwijzingen omdat het model niets kon afleiden — de prompt moest de wereld zijn. De Omni-brief leest als een notitie aan een bekwame collega die de situatie al heeft ingeschat. Dezelfde scène, dezelfde imperfecte referentie, een ander contract tussen de twee.
Vier generaties naast elkaar
| Generatie | Brief draagt | Model leidt af |
|---|---|---|
| Veo 2 | De hele wereld. Specs op hardwareniveau. Een omweg voor stilte. | Bijna niets — het rendert wat je beschrijft. |
| Veo 3 | Scène + sfeer + audioregie. | Visuele details op hardwareniveau. De brug tussen cutoff-knop en geluid. |
| Veo 3.1 | Een alinea intentie. Een referentiebeeld. Twee rekentiers. | Identiteit van het personage. Garderobe. Camerapad uit een bijvoeglijk naamwoord. |
| Omni | Eén zin. Een reeks vervolgnotities die elk niets kosten. | Fysieke continuïteit over bewerkingen heen. De architectuur van de scène. |
De brief wás vroeger de wereld. Nu is het model de wereld, en de brief is een notitie eraan.
Die verschuiving in het contract is waar de rest van deze pagina over gaat. De vier secties hieronder zijn vier verschillende manieren om te kijken naar waarom het gebeurde.
CATALOGUS · WAAR ELK MODEL VOOR IS
De vier lijnen.
De krimpende brief in Sectie 1 is het gevolg. De oorzaak is dat er tussen 2023 en 2026 vier parallelle modelfamilies naast elkaar zijn gebouwd, die daarna zijn samengevoegd tot één. Om die samenvoeging te begrijpen helpt het om te zien waar elk voor was, en waar het nog steeds voor is, ook nadat Omni de renderklussen heeft opgeslokt.
Vier kaarten hieronder. Kies degene die het dichtst bij je gebruik ligt.
Alle vier bestaan nog als product. Wat Omni consolideerde is de render-pipeline; op de roadmap staan ze alle vier nog. Veo 3.1 Lite wordt nog uitgebracht omdat batch-rendering naar kostentier een andere klus is dan conversationeel bewerken. Lyria RealTime wordt nog uitgebracht omdat adaptieve gamemuziek een andere klus is dan compositie in één keer. Kies het model dat bij de klus past.
ARCHITECTUUR · CASCADE VS. SINGLE-PASS
Waarom één model de keten verving.
Tot mei 2026 was de standaardmanier om AI-video met geluid te maken een keten van gereedschappen. Veo rendert het beeld. Een apart model dubt de audio erin. Een aparte editor verzorgt de cuts. Een aparte watermerk-passage bedt de herkomst in. Vier gereedschappen, vier contextvensters, vier momenten waarop de naden kunnen gaan tonen.
De naden tonen ook. Audio loopt tegen de tweede cut een paar frames uit de lipsync. De hand van het personage ziet er in de close-up net iets anders uit, omdat het tweede gereedschap de volledige latente staat van het eerste gereedschap niet zag. Zes uur postproductie gaat op aan het verbergen van wat structureel hetzelfde probleem is: elk gereedschap ziet alleen zijn eigen plak.
Een single-pass-model omzeilt dat probleem, omdat er maar één plak te zien is.
Tekst, beeld, audio en de referentie gaan één gedeelde latente ruimte in, en video, gesynchroniseerde audio en het watermerk komen uit dezelfde render.
PANEEL A · CASCADE
Stapelt fouten op. Verliest consistentie van het personage over cuts heen. Audio loopt weg. Zes uur postproductie gaat op aan het verbergen van de naden.
PANEEL B · SINGLE-PASS
Eén coherente pass. Het model ziet elke modaliteit tegelijk. De amplitudepieken van de audio worden op de visuele tijdlijn gemapt als onderdeel van dezelfde berekening die de pixels plaatst.
Wat het mogelijk maakte: drie klussen, en één niet.
BEELD GECHOREOGRAFEERD OP EEN TRACK DIE JE UPLOADT.
Beeld gechoreografeerd op een track die je uploadt.
Het model leest de amplitudepieken van jouw audio en behandelt ze als een visuele tijdlijn. Veo kon het bestand helemaal niet lezen.
TEKST IN BEELD DIE NIET VERVORMT.
Tekst in beeld die niet vervormt.
Diffusietekst drift normaal gesproken halverwege het frame weg. Single-pass-tokenisatie zet de letters vast op het temporele raster. Dit was technisch het lastigst van de drie.
LANGE CONTINUÏTEIT. NOG NIET OPGELOST.
Lange continuïteit. Nog niet opgelost.
Omni Flash topt vandaag af op 10 seconden; in Sectie 5 staat mijn vermoeden waarom. Randgevallen van rigid-body-physics (botsingen, instortingen) gedragen zich ook nog steeds slecht. De architectuur heeft de grens verlegd, en hier ligt hij nu.
EERLIJKE BEPERKINGDe architecturale samenvoeging is echt, en gedeeltelijk. Drie creatieve klussen werden native mogelijk. Eén belangrijke klasse klussen werd niet opgelost. "Eén model doet alles" is een prima zin op een podium en een riskante in een inkoopvergadering.
Het meest zichtbare gevolg van single-pass-aandacht is dat het bewerkoppervlak geen tijdlijn meer is. Het is een gesprek. Sectie 4 laat je er een voeren.
SIMULATOR · CONVERSATIONEEL BEWERKEN · MOCK
Probeer het nu zelf.
Lezen over conversationeel bewerken is niet hetzelfde als erin typen. De simulator hieronder is niet echt — het is een namaak met gescripte antwoorden. Maar hij is trouw aan hoe het bewerkoppervlak van Omni zich werkelijk gedraagt: elke beurt past de vorige staat aan in plaats van vanaf nul opnieuw te genereren.
De startscène is die uit Sectie 1 — ik aan de Moog, acht seconden. Probeer een paar bewerkingen. Let op wat verandert en wat niet.
INVOERSLOTS
PROBEER DEZE
OMNI FLASH · MOCK — Gesimuleerde demo — de antwoorden zijn gescript; er wordt geen model aangeroepen.BEURT 1 VAN ONBEPERKT
JIJ
[referentiebeeld bijgevoegd: 08-desk.png] Ik aan de Moog. Acht seconden. Cinematisch, trage akkoordprogressie. Mix van warm + koel licht.
OMNI (MOCK)
Gegenereerd. Het personage komt overeen met lichaam en garderobe van de referentie — het gezicht is gereconstrueerd uit het gedeeltelijke signaal. Clip van acht seconden op 1080p met gesynchroniseerde synth-audio. Trage push-in over de hele duur.
Twee dingen om op te merken aan je laatste bewerking:
Eén: de ruimte bleef. De belichting bleef. De Moog bleef. Zelfs toen je om een nieuw element vroeg, bleef de rest van de scène behouden. Dat is de multi-turn-context die het gesprek overleeft.
Twee: je schreef alsof je tegen iemand praatte. Geen coördinaten opgeven. Niet in de derde persoon schrijven. De manier waarop je de brief schreef, verschoof voordat je het doorhad.
Dat conversationele gemak heeft een prijs. Elke beurt is een verse inferentie-pass op een heel groot, duur te draaien model. Sectie 5 maakt die kosten zichtbaar.
COMPUTE · WAAROM FAST, LITE EN REALTIME BESTAAN
De kosten van een frame.
Generatieve video lijkt per extra clip gratis. Trek aan de schuif hieronder om te zien wat een clip kost aan elektriciteit. Dat getal is, in mijn lezing, waarom het video-aanbod van elke leverancier getierd is zoals het is — en het is de onuitgesproken beperking achter elk roadmapgesprek dat een CMO straks met een leverancier gaat voeren.
~200 Wh per gegenereerde seconde
TOTALE ENERGIE2.00 kWh
120MAGNETRON-MINUTEN
167SMARTPHONE-LADINGEN
2229W LED-UREN
Bron: geëxtrapoleerd uit publieke studies naar AI-rekenkracht. Specifieke per-model-cijfers van Google zijn niet beschikbaar.
Het videogetal is degene die ertoe doet. Mijn werkschatting is ruwweg 200 wattuur per gegenereerde seconde video — ongeveer twaalf minuten een magnetron laten draaien voor elke seconde beeld. Zie het als een orde van grootte: cijfers per model worden niet gepubliceerd. Een social-cut van vier minuten staat ruwweg gelijk aan de elektriciteit van veertig vaatwasbeurten.
Mijn lezing is dat dit is waarom een fast-tier een fractie kost van de standaardversie, waarom er een Lite-tier bestaat, en waarom Lyria RealTime in brokken van 2 seconden komt in plaats van hele liedjes.
Lees de tiers als een energierekening en de productlijn wordt logisch.
Kosten-en-latentietabel
| Model · tier | Geschatte trainingsrekenkracht | Typische inferentielatentie | Waar het op geoptimaliseerd is |
|---|---|---|---|
| Veo 3.1 (Premium) | Grootste trainingsschaal (niet bekendgemaakt) | 60–90 s voor clip van 8 seconden | Cinematisch 4K, hoge physics-getrouwheid |
| Veo 3.1 Fast | Gecomprimeerde variant | 12–20 s voor clip van 8 seconden | Kostenbeheersing, iteratiesnelheid |
| Veo 3.1 Lite | Verder gecomprimeerd | Onder 15s voor 1080p | Goedkoopste batch-rendering |
| Lyria 3 Pro | Middelgrote trainingsschaal | 15–30 s voor track van 3 min | Gestructureerde compositie met intro/coupletten/refrein |
| Lyria RealTime | Streaming-architectuur | ~2 s per brok van 2 seconden | Continu interactief inscoren |
| Gemini Omni Flash | Verenigde multimodale kern | 10–15 s voor clip van 10 seconden | Multi-turn conversationeel bewerken |
Latentie is wat de API je vertelt. Kosten zijn waar het inkoopteam naar vraagt. Het is hetzelfde gesprek in een andere woordenschat.
Dus wanneer de deck van een leverancier je een Premium-tier en een Fast-tier en een Lite-tier laat zien voor wat op hetzelfde model lijkt, gaat de keuze niet echt tussen kwaliteit en snelheid. Het gaat tussen kwaliteit en hoeveel van deze je dit kwartaal kunt veroorloven te renderen. Dat is de inkoopvraag.
Mijn vermoeden is dat dezelfde rekensom, meer dan wat het model kan, de grens van 10 seconden bij Omni Flash verklaart. Eén seconde verenigd-multimodale inferentie is duur, en elke extra seconde komt op de rekening.
Wat ons bij de enige alinea op deze pagina brengt die over jouw vergadering op donderdag gaat.
UITNODIGING · WAT JE HIERMEE DOET
De brief, op donderdag.
De versie van dit gesprek die op donderdag op jouw kantoor plaatsvindt, gaat erover welke roadmap van welke leverancier 2027 overleeft. Resolutie komt er nauwelijks aan te pas.
Wanneer een leverancier van generatieve video bij je pitcht, stel dan twee vragen. Ten eerste: uit hoeveel woorden bestaat de brief die hun beste demo voortbrengt? Als het nog steeds 200 woorden regie-aanwijzing is, kijk je naar architectuur van de vorige generatie in een nieuw marketingjasje. Ten tweede: hoe ontwikkelt de reken-kostprijs per seconde zich over hun tierlijn? Als hunLite-tier de outputkwaliteit van hun Premium-tier nadert, hebben ze de architectuur gevonden die schaalt. Zo niet, dan gaan ze verliezen van een concurrent die dat wel heeft.
Geen van beide staat op het specsheet van een leverancier. Beide liggen in het volle zicht in elke demo die een leverancier je maar al te graag geeft. De krimpende brief en de afvlakkende kostencurve zijn de twee voorlopende indicatoren. Resolutiegetallen zijn op zijn best een achterlopende indicator.
VERWANT LEESVOERWat veranderde is het contract tussen wie de brief schrijft en wat hem rendert.
Het is ook het contract waarover je met je leverancier gaat onderhandelen.
The Multiplier Myth.
De boardroom-fout die een multiplier in een margekorting verandert, verandert ook een creatieve-AI-roadmap in een inkoopafgrond. Andere woordenschat, dezelfde vorm.
Lees het artikelWerk je binnen je eigen organisatie aan een serieuze versie van deze vraag, dan geldt de stuur-me-een-bericht-uitnodiging uit de business-artikelen hier ook. Ik ga je niets verkopen. Ik zou alleen graag willen weten wat er werkt.