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

معرفی Omni Flash: تولید ویدیوی پیشرفته

نخستین و برجسته‌ترین مدل از خانواده Gemini Omni، با نام Omni Flash، به عنوان یک ابزار قدرتمند برای تولید ویدیوهای هوش مصنوعی معرفی شده است. این مدل قادر است با استفاده از ورودی‌های متنوعی شامل متن، عکس، ویدیو و حتی صدا، محتوای ویدیویی خلاقانه تولید کند.

گوگل، Omni Flash را به عنوان نسخه ویدیویی مدل تصویری Nano Banana معرفی می‌کند. مدل Nano Banana پیش از این توانسته بود با استقبال گسترده کاربران مواجه شود و از زمان عرضه‌اش، بیش از 50 میلیارد تصویر توسط آن ساخته شده است. یکی از قابلیت‌های قابل توجه Omni Flash، امکان قرار دادن تصویر چهره کاربر در ویدیوهاست؛ ویژگی‌ای که اگرچه ممکن است برای همه جذاب نباشد، اما گوگل تاکید دارد که کاربران Nano Banana از این امکان به خوبی استقبال کرده‌اند.

قابلیت‌ها و تفاوت‌ها با مدل‌های قبلی

تولید ویدیوهای 10 ثانیه‌ای با ورودی‌های متنوع

«دومیترو ارهان»، مدیر ارشد پژوهش در DeepMind، اعلام کرده است که هوش مصنوعی Omni Flash در حال حاضر قادر به تولید ویدیوهایی تا 10 ثانیه همراه با صدا است و تیم گوگل در حال تلاش برای افزایش این محدودیت زمانی است. این مدل، تفاوت‌های کلیدی با مدل‌های پیشین گوگل دارد.

برخلاف مدل Veo که صرفاً متن را به ویدیو تبدیل می‌کند، Omni Flash می‌تواند یک ویدیوی موجود را به عنوان ورودی دریافت کرده و بر اساس آن، ویدیوی جدیدی بسازد. این قابلیت، انعطاف‌پذیری و خلاقیت بیشتری را در اختیار کاربران قرار می‌دهد.

«کورای کاووکچواغلو»، مدیر ارشد فناوری DeepMind، نیز تاکید می‌کند که Omni Flash به دلیل بهره‌مندی از داده‌های آموزشی جمینای، «دانش دنیای واقعی بسیار بیشتری» نسبت به مدل Veo دارد که این امر به تولید محتوای واقع‌گرایانه‌تر و باکیفیت‌تر کمک می‌کند.

دسترسی عمومی

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 عموم کاربران قرار خواهد گرفت. این دسترسی گسترده، امکان استفاده از این فناوری پیشرفته را برای طیف وسیعی از کاربران فراهم می‌آورد.