Gemini Omni создает видео, текст и звук
Gemini omni: всё в одном окне — от текста до видео
Google DeepMind выпустила Gemini Omni — мультимодальный AI, который объединяет работу с текстом, изображениями, звуком и видео. Больше не нужно переключаться между разными сервисами: модель сама создает ролики по запросу, а любые правки вносятся в режиме обычного диалога.
Система глубоко понимает физику, историю и культуру, поэтому созданный контент выглядит естественно. В линейке представлены три версии: Gemini Nano для мобильных устройств, Gemini Pro для сбалансированных задач и Gemini Ultra для сложнейших вычислений. Эта архитектура пришла на смену PaLM 2, став значительно мощнее.
Главное преимущество — контекстное окно в 1 миллион токенов. Теперь в AI можно загрузить огромные документы или весь код проекта целиком. Параллельно Google развивает Project Astra — интеллектуального агента, который видит и слышит окружающий мир в реальном времени через камеру смартфона.
Практическое применение
Gemini Omni мастерски работает с физикой объектов. Например, она превратила статичный кадр из Forza Horizon 5 в динамичное видео: нейросеть самостоятельно распознала гравийную дорогу и полный привод, добавив к картинке рев двигателя V8 и реалистичную пыль из-под колес.
Инструмент незаменим в обучении, так как превращает сухие тексты в наглядные сюжеты. С его помощью даже квантовая физика становится понятной 12-летнему ребенку.
Бизнесу и ученым больше не нужна дорогая ручная анимация. AI избавляет от эффекта «зловещей долины», делая видео живыми и плавными. Вот основные сферы применения:
- Образование: мгновенный запуск качественных видеоуроков.
- Научные коммуникации: перевод сложных теорий в понятную графику.
- Сторителлинг: оперативное создание визуальных историй.
- Корпоративный сектор: анализ гигантских архивов данных через расширенное контекстное окно.
Ранее по теме
Gemini 3.5 Flash — в 4 раза быстрее конкурентов
Больше новостей в нашем Телеграм. Подпишись!
Ссылка на источник тык.
