گوگل با معرفی دو مدل هوش مصنوعی جدید به نامهای Nano Banana 2 Lite و Gemini Omni Flash، فرآیند تولید و ویرایش محتوای چندرسانهای را برای توسعهدهندگان و کاربران سراسر جهان بسیار سریعتر و بهصرفهتر کرده است. با این مدلهای پیشرفته پیادهسازی ایدههای خلاقانه را در کمترین زمان ممکن امکانپذیر میشود.
براساس گزارش رسمی وبلاگ گوگل، این شرکت بهتازگی از دو ابزار قدرتمند در حوزه هوش مصنوعی مولد رونمایی کرده است. این مدلها به کاربران کمک میکنند تا چرخههای خلاقانه خود را با سرعت بالا توسعه دهند و هزینههای عملیاتی را به شکل چشمگیری کاهش دهند.
مدل جدید Nano Banana 2 Lite
مدل اول Nano Banana 2 Lite نام دارد که سریعترین و اقتصادیترین مدل تولید تصویر گوگل تا به امروز است؛ مدل دوم نیز Gemini Omni Flash نام دارد که برای تولید باکیفیت ویدیو و ویرایش گفتوگومحور طراحی شده است.
ویژگیهای هوش مصنوعی Nano Banana 2 Lite
مدل هوش مصنوعی Nano Banana 2 Lite (با نام فنی gemini-3.1-flash-lite-image) بهصورت اختصاصی برای جریانهای کاری با حجم بالا طراحی شده است؛ یعنی موقعیتهایی که سرعت و هزینه بهعنوان اولویتهای اصلی مطرح هستند.
این مدل بهعنوان جایگزین نسخه قدیمی Nano Banana (نسخه gemini-2.5-flash-image) معرفی شده است و توسعهدهندگان میتوانند بلافاصله پروژه خود را به این نسخه ارتقا دهند.
نقاط قوت اصلی این مدل عبارتند از:
- تاخیر بسیار کم: این هوش مصنوعی میتواند درخواستهای متنی را تنها در مدت زمان ۴ ثانیه به تصویر تبدیل کند. این ویژگی برای نمونهسازیهای تعاملی بسیار ایدهآل است.
- صرفه اقتصادی بالا: هزینه تولید هر ۱۰۰۰ تصویر با رزولوشن بالا در این مدل تنها ۰.۰۳۴ دلار است که مدیریت بودجههای عملیاتی را بسیار آسانتر میکند.
این مدل با وجود تمرکز ویژه بر سرعت، همچنان دقت بالایی در پیروی از پرامپتها، حفظ ثبات شخصیتها و رندر کردن متنهای درون تصویر دارد. گوگل این خانواده را به چند بخش تقسیم کرده است:
- مدل Lite برای کارهای فوری
- مدل معمولی Nano Banana 2 برای تعادل میان کیفیت و سرعت
- مدل Pro برای پردازشهای پیچیده و حرفهای که به دقت بالایی نیاز دارند
این مدل جدید علاوه بر پلتفرمهای توسعهدهندگان، در بخشهای مختلف اکوسیستم گوگل شامل بخش جستوجو، اپلیکیشن Gemini، پلتفرم NotebookLM و سیستم تبلیغاتی گوگل نیز فعال شده است.
تولید و ویرایش هوشمند ویدیو با Gemini Omni Flash
مدل قدرتمند دیگر گوگل Gemini Omni Flash نام دارد که هوش چندوجهی را با قابلیت تولید ویدیو ترکیب کرده است. این مدل به توسعهدهندگان اجازه میدهد تا با استفاده از ترکیبی از متن، تصویر و ویدیو، به تولید محتوای ویدیویی بپردازند و آن را به صورت متنی ویرایش کنند. هزینه این مدل نیز کاملا رقابتی و معادل ۰.۱۰ دلار به ازای هر ثانیه خروجی ویدیو تعیین شده است.
از ویژگیهای برجسته Gemini Omni Flash میتوان به موارد زیر اشاره کرد:
- ویرایش ویدیو به صورت گفتوگویی: کاربران میتوانند با زبان طبیعی و به سادگی نوشتن یک متن، ویدیوهای خود را اصلاح کنند و تغییر دهند.
- هماهنگی متن و حرکت: این مدل میتواند متنها و گرافیکها را به طور مستقیم با اکشنهای درون ویدیو هماهنگ کند.
- استفاده از دانش واقعی: این هوش مصنوعی با بهرهگیری از دانش گسترده گوگل در زمینههای تاریخ، زیستشناسی و منطق روایی، ویدیوهایی واقعگرایانه تولید میکند.
البته این مدل در حال حاضر با محدودیتهایی نیز همراه است؛ به عنوان نمونه طول ویدیوهای تولیدی فعلا محدود به ۱۰ ثانیه است و آپلود مرجع صوتی هنوز در API پشتیبانی نمیشود. همچنین ثبات شخصیتها هنگام تغییر زاویه دوربین یا حرکتهای سریع، همچنان نیاز به بهبود دارد.
گوگل همچنین از قابلیت تولید ویدیو برای NotebookLM رونمایی کرده است. قابلیت جدید یادداشتهای شما را به کلیپهای کوتاه تبدیل میکند.
ترکیب دو مدل برای خلق محتوای شگفتانگیز
نکته جذاب اینجاست که توسعهدهندگان میتوانند این دو مدل را به یکدیگر متصل کنند؛ به این صورت که ابتدا با استفاده از Nano Banana 2 Lite یک تصویر با سرعت بالا تولید کنند و سپس آن تصویر را به عنوان مرجع به Gemini Omni Flash بدهند تا آن را به یک ویدیوی متحرک و باکیفیت تبدیل کند.
گوگل برای نشان دادن این پتانسیل، چند برنامه نمونه مانند Anywhere (برای انتقال سلفی به مکانهای تاریخی و متحرکسازی آن) و Space Lift (برای طراحی دکوراسیون داخلی و تبدیل آن به ویدیوی سینمایی) را ارائه داده است. همچنین هر دو مدل از فناوری SynthID برای واترمارک و شفافیت محتوای ساختهشده بهره میبرند.
گوگل یک قابلیت جذاب برای جستوجو در ایمیل اضافه کرده است. از این بهبعد میتوانید با Gemini Live در ایمیلهایتان بهصورت صوتی جستوجو کنید.
