Gemini Omni skapar video från text, bild och ljud
Google har lanserat Gemini Omni, en ny multimodell som kan skapa och redigera videor baserat på inmatad text, bilder och ljud. Detta markerar en utökning av Gemini-familjens kapacitet inom generativ AI.
Vad har hänt
Google har introducerat Gemini Omni, en avancerad multimodell som kan hantera och bearbeta text, bilder, ljud och video. Omni Flash är den första tillämpningen av denna modell. Modellen är designad för att generera och redigera videofilmer genom textbaserade konversationer, vilket innebär att användare kan beskriva önskat videoinnehåll med ord.
Snabbfakta
| Modellnamn | Gemini Omni |
|---|---|
| Funktion | Skapar och redigerar video från text, bild, ljud |
| Första tillämpning | Omni Flash |
| Status | Beta |
”Google's Gemini Omni is a new multimodal model that reasons across text, images, audio, and video to generate and edit videos through simple conversation — starting with Omni Flash.”
Varför det spelar roll
Utvecklingen av multimodala AI-modeller som Gemini Omni representerar ett steg framåt inom generativ AI, särskilt inom videoproduktion. Genom att kunna omvandla olika typer av indata till video öppnas nya möjligheter för kreatörer och utvecklare att snabbt prototypa och producera visuellt innehåll. Detta kan potentiellt effektivisera processer inom bland annat innehållsskapande, marknadsföring och utbildning.
Vem påverkas
Utvecklare och AI-forskare får tillgång till ett nytt verktyg för att experimentera med och bygga applikationer för videogenerering. Användare som behöver skapa videoinnehåll, exempelvis inom sociala medier eller utbildning, kan dra nytta av de förenklade arbetsflödena. Företag som investerar i eller använder generativ AI kan se en ökad effektivitet i sin medieproduktion.
EU-status
Ej relevant för EU-status.
Mer att veta
Omni Flash är den första specifika funktionen som nämns i samband med lanseringen av Gemini Omni. Modellen befinner sig i beta-stadiet.
Snabba svar om den här nyheten
Vad har hänt?
När hände det?
Varför spelar det roll?
Vilka typer av input kan Gemini Omni hantera?
Länken öppnar i nytt fönster och leder till utgivarens egen sida.
Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.