گوگل بهتازگی از یک مدل هوش مصنوعی شگفتانگیز به نام Gemini Omni رونمایی کرده است. با این ابزار قدرتمند، خلق و ویرایش حرفهای ویدیو تنها با نوشتن چند کلمه و ترکیب تصاویر، صدا و متن امکانپذیر شده است.
براساس گزارش بلاگ گوگل، مدل جدید Gemini Omni میتواند هر چیزی را از هر ورودی تولید کند. این ابزار به کاربران اجازه میدهد تا با استفاده از زبان طبیعی و مکالمه، ویدیوهای باکیفیت بسازند و آنها را بهسادگی ویرایش کنند. شما میتوانید ویدیوهای خود را تغییر دهید، المانهای جدید اضافه کنید یا حتی یک لحظه ساده را به یک روایت هنری غیرمنتظره تبدیل کنید.
قابلیتهای برجسته مدل Gemini Omni
این مدل هوش مصنوعی جذاب امکانات بینظیری را در اختیار کاربران قرار داده است:
- ویرایش ویدیو با مکالمه: با استفاده از دستورات متنی میتوانید ویدیوها را مرحلهبهمرحله ویرایش کنید؛ درحالیکه فیزیک صحنه و شخصیتها کاملاً ثابت و منسجم باقی میمانند.
- درک فیزیک دنیای واقعی: این مدل درک بصری دقیقی از جاذبه، انرژی جنبشی و دینامیک سیالات دارد و میتواند صحنههایی بسیار واقعگرایانه خلق کند.
- خلق ویدیو از ترکیب ورودیها: میتوانید یک عکس، یک فایل صوتی و یک ویدیو را به هوش مصنوعی بدهید تا یک خروجی کاملاً جدید و هماهنگ تحویل بگیرید.
- استفاده از آواتار دیجیتال: کاربران میتوانند با صدای خودشان یک آواتار دیجیتال بسازند و ویدیوهایی تولید کنند که دقیقاً شبیه خودشان است.
گوگل اعلام کرده است که اولین نسخه از این خانواده با نام Gemini Omni Flash عرضه شده است. این نسخه برای مشترکین سرویسهای AI Plus و Pro و Ultra ازطریق اپلیکیشن جمنای و پلتفرم Google Flow در دسترس قرار گرفته است.
همچنین کاربران YouTube Shorts و برنامه YouTube Create میتوانند بهصورت کاملاً رایگان از این قابلیتها استفاده کنند. برای حفظ ایمنی و شفافیت، تمامی ویدیوهای تولیدی با این ابزار دارای واترمارک دیجیتال SynthID هستند. توسعهدهندگان و کسبوکارها نیز در هفتههای آینده میتوانند ازطریق API به این ابزار پیشرفته دسترسی پیدا کنند.
در جدیدترین اخبار همین حوزه، گوگل از هوش مصنوعی Gemini 3.5 رونمایی کرد؛ مدلی باهوشتر و ۴ برابر سریعتر از رقبا.
