У Google I/O 2026 компанія розкрила Gemini Omni, нову багатомодальну штучну інтелект-модель, яка може створювати та редагувати відео за допомогою текстових, зображень, аудіо та відео підказок. Google заявляє, що нова модель є значним кроком до перетворення Gemini на повноцінну творчою AI-платформу здатну розуміти та генерувати різні форми медіа.
Gemini Omni призначено для перетворення різних типів контенту на один відеовивід. Користувачі можуть завантажувати фотографії, малюнки, існуючі відео, голосові зразки або просто вводити підказки. ШІ потім об’єднає всі вхідні дані, щоб створити єдине відео. Однією з найяскравіших функцій Gemini Omni є редагування за допомогою розмови, де користувачі можуть просто описати зміни, які вони хочуть, зрозумілою мовою.
Також прочитайте | Google створює AI-хмарний бізнес із Blackstone, WSJ пише
Перша версія сімейства Omni отримала назву Gemini Omni Flash і зараз випускається через застосунок Gemini, Google Flow та YouTube Shorts.
Крок за кроком: як користуватися Gemini Omni
Перший і найважливіший крок — увійти до застосунку Gemini або облікового запису Google Flow та отримати доступ до останнього інтерфейсу Gemini з новим гнучким дизайном «Neural Expressive».
Наступний крок — завантажити зображення, сцени або художні роботи як візуальні посилання. Також можна додати існуючі відеокліпи або використати текстові підказки, щоб описати сцену, рух камери, ефекти або стиль анімації. Додайте голосові зразки для аудіо-настанов та тону. Потім попросіть Gemini Omni з’єднати всі входи в одне відео відповідно до ваших уподобань.
Далі користувачі можуть продовжувати редагування відео через розмову, а не за допомогою будь-яких інструментів редагування. Наприклад, можна набрати або запитати команди Gemini Omni, такі як «перетвори дзеркало на рідину», «зміні фон на майбутнє місто» або «додай кінематографічне освітлення», і воно оновить відео, зберігши послідовність персонажів та рухів.
Після завершення відео його експортують. Google стверджує, що кожне AI-генероване відео містить невидимий водяний знак SynthID для відповідності та прозорості на всіх платформах Google.
Поки що підтримуються лише голосові зразки для аудіо-входів, але Google планує додати більше аудіо-опцій пізніше.
Essential Business Intelligence, Continuous LIVE TV,
Sharp Market Insights,
Practical Personal Finance Advice та Latest Stories — на NDTV Profit.
May 22, 2026 at 06:11AM
Залишити відповідь
Щоб відправити коментар вам необхідно авторизуватись.