Google DeepMind представляет Gemini Omni — мультимодальную модель для создания и редактирования видео

Google DeepMind представила Gemini Omni — новую мультимодальную модель, которая объединяет способности ИИ к рассуждению и генерации контента. Omni может принимать на вход любые комбинации изображений, аудио, видео и текста и создавать на их основе высококачественные видео, используя реальные знания Gemini из различных областей. Первая модель семейства — Gemini Omni Flash — запускается сегодня для подписчиков Google AI Plus, Pro и Ultra в приложении Gemini и Google Flow, а также бесплатно в YouTube Shorts и приложении YouTube Create. Omni позволяет редактировать видео через естественный язык: каждое новое указание строится на предыдущем, сохраняя согласованность персонажей, физику и контекст сцены. Пользователи могут изменять окружение, действия, добавлять или удалять объекты, а также менять стиль и угол съёмки в ходе нескольких итераций. Модель также способна генерировать видео по текстовым описаниям, комбинируя интуитивное понимание физики и культурный контекст. В ближайшее время модель станет доступна разработчикам и корпоративным клиентам через API. Все созданные видео содержат невидимый цифровой водяной знак SynthID для верификации.