گوگل از خانواده هوش مصنوعی Gemini Omni و مدل Omni Flash برای تولید ویدیو رونمایی کرد

معرفی خانواده Gemini Omni و Omni Flash

در رویداد سالانه I/O 2026، شرکت گوگل از دستاورد جدید خود در زمینه هوش مصنوعی مولد با نام Gemini Omni پرده‌برداری کرد. این مجموعه شامل مدل‌های هوش مصنوعی است که قادرند از هر نوع ورودی، شامل متن، عکس، ویدیو و حتی صدا، خروجی‌های متنوعی تولید کنند. Omni Flash، به عنوان اولین مدل از این خانواده، قابلیت تولید ویدیوهای هوش مصنوعی را دارد.

قابلیت‌های پیشرفته Omni Flash

گوگل، Omni Flash را به عنوان نسخه ویدیویی مدل تصویری Nano Banana معرفی کرده است. مدل Nano Banana پیش از این توانسته بود با استقبال گسترده کاربران مواجه شود و بیش از 50 میلیارد تصویر توسط آن ساخته شده است. یکی از ویژگی‌های جالب Omni Flash، امکان قرار دادن تصویر چهره کاربر در ویدیوها است که به گفته گوگل، کاربران Nano Banana نیز از آن استقبال کرده بودند.

«دومیترو ارهان»، مدیر ارشد پژوهش در DeepMind، اعلام کرد که هوش مصنوعی Omni Flash قادر است ویدیوهایی تا 10 ثانیه همراه با صدا تولید کند و تیم گوگل در حال تلاش برای افزایش این محدودیت زمانی است.

برخلاف مدل‌های قبلی مانند Veo که تنها متن را به ویدیو تبدیل می‌کردند، Omni Flash توانایی دریافت یک ویدیو به عنوان ورودی و ساخت ویدیوی جدید بر اساس آن را دارد. این قابلیت، انعطاف‌پذیری و خلاقیت بیشتری را برای کاربران به ارمغان می‌آورد.

مزیت رقابتی و دسترسی

«کورای کاووکچواغلو»، مدیر ارشد فناوری DeepMind، تأکید کرده است که Omni Flash به دلیل بهره‌گیری از داده‌های آموزشی جمینای، «دانش دنیای واقعی بسیار بیشتری» نسبت به مدل Veo دارد. این مزیت، کیفیت و واقع‌گرایی ویدیوهای تولیدی را به طور چشمگیری افزایش می‌دهد.

گوگل اعلام کرده است که هوش مصنوعی Gemini Omni Flash از روز سه‌شنبه در اپلیکیشن جمینای، سرویس Google Flow و همچنین بخش YouTube Shorts در دسترس کاربران قرار خواهد گرفت. این دسترسی گسترده، امکان استفاده از این فناوری پیشرفته را برای طیف وسیعی از کاربران فراهم می‌کند.