Gemini Omni
Мультимодальная генеративная модель Google DeepMind из семейства Gemini. Она создаёт и редактирует видео по любому сочетанию текста, изображений, видео и звука. В отличие от Veo, ролики в ней можно править в диалоге: каждая правка учитывает предыдущие, и так можно сменить стиль, действие, объекты или ракурс. Сгенерированные ролики помечаются водяным знаком SynthID.
проверено по: deepmind.google ↗
См. также
- VeoСемейство моделей Google DeepMind, которые генерируют видео по текстовому описанию или изображению. Начиная с Veo 3 модели создают видео сразу со звуком: речью, шумами и музыкой. Доступны в приложении Gemini, инструменте Flow, через Gemini API и облако Google Cloud.
- Google DeepMindИсследовательская лаборатория ИИ, которую основали в Лондоне в 2010 году под названием DeepMind Technologies. В 2014 году её купила Google, а в 2023-м она объединилась с Google Brain и стала называться Google DeepMind. Создала AlphaGo и AlphaFold, разрабатывает модели Gemini.
- SynthIDТехнология Google DeepMind для нанесения незаметных цифровых водяных знаков на созданный ИИ контент — изображения, звук, видео и текст — и их последующего обнаружения. Метка встраивается прямо в процесс генерации и не должна ухудшать качество результата.
- Nano BananaNano Banana — обиходное название моделей Google из семейства Gemini, предназначенных для генерации и редактирования изображений по текстовому описанию. Прозвище закрепилось после анонимного тестирования модели и затем стало использоваться самой Google; ключевая особенность — правка уже существующих картинок с сохранением персонажей и деталей.
- Gemini EnterpriseКорпоративная линейка Google для работы с ИИ-агентами. Объединяет приложение для сотрудников и платформу для разработчиков Gemini Enterprise Agent Platform. В приложении сотрудники общаются с моделями Gemini, пользуются готовыми агентами и создают собственных. Через коннекторы агенты получают доступ к рабочим данным и сервисам компании.
В новостях
Google DeepMind показала модель мира Genie 4 со звуком и речью героев
Модель Google, которая создаёт видео по тексту, картинкам, видео или звуку и позволяет править ролики в диалоге.