A Google bejelentette, hogy a fejlesztők és az alkotók számára minden eddiginél gyorsabbá és egyszerűbbé teszi az ötletek tesztelését és megvalósítását két vadonatúj MI (mesterséges intelligencia) modell kiadásával. Ez a két újdonság a Nano Banana 2 Lite és a Gemini Omni Flash.

  1. Nano Banana 2 Lite: A leggyorsabb és legolcsóbb képgeneráló

A Nano Banana 2 Lite a Google eddigi leggyorsabb és legköltséghatékonyabb képgeneráló modellje. Kifejezetten arra tervezték, hogy a fejlesztők villámgyorsan tudjanak ötletelni és nagy mennyiségű vizuális tartalmat előállítani.

Miben a legjobb?

  • Villámgyors (Alacsony késleltetés): Mindössze 4 másodperc alatt képes szöveges leírásból képet generálni (text-to-image). Ez ideálissá teszi az interaktív tervezéshez.
  • Rendkívül olcsó: Képenként mindössze 0,034 dollárba kerül (kb. 12-13 forint) 1K-s felbontás mellett.
  • Megbízható minőség: A gyorsaság ellenére pontosan követi a szöveges utasításokat, nagyon jól tartja a karakterek kinézetét (nem változik meg a szereplő arca képről képre), és képes olvasható szövegeket elhelyezni magukon a képeken.

A modell mától elérhető a fejlesztőknek a Google AI Studio-ban és a Gemini API-ban, de a mindennapi felhasználók is találkozhatnak vele a Google Kereső AI módjában, a Gemini applikációban és a Google Fotókban is.

  1. Gemini Omni Flash: Magas minőségű videógenerálás és okos szerkesztés

A Gemini Omni Flash ott kezdi, ahol a hagyományos videószerkesztők elakadnak: ötvözi a Gemini modell logikus gondolkodását a videógenerálással. Egyszerűen fogalmazva: képes videókat készíteni és átalakítani, pusztán szöveges vagy képi utasítások alapján. (Az ára 0,10 dollár egy másodpercnyi elkészült videóért).

Miben emelkedik ki?

  • Beszélgetés alapú videószerkesztés: Természetes, hétköznapi nyelven adhatsz neki utasításokat a videók átszerkesztésére.
  • Többféle bemenet (Multimodális): Használhatsz szöveget, képet és meglévő videót is egyszerre, hogy pontosan azt a jelenetet kapd, amit megálmodtál.
  • Valós tudás: A modell ismeri a világ működését (történelmet, biológiát, fizikát), így a generált videók logikusak és élethűek lesznek.
  • Szinkronizált mozgás: A szövegeket és a grafikákat közvetlenül hozzá tudja kötni a videóban látható cselekvésekhez.

(Fontos korlátozás: Jelenleg csak 10 másodperces videókat tud generálni, és bár a hosszabb videók lehetősége hamarosan érkezik, a kameramozgásoknál a karakterek megjelenése még néha instabil lehet).

Az igazi varázslat: A két modell összekapcsolása

A legnagyobb áttörést az jelenti, amikor a fejlesztők a két modellt egyszerre használják. Például a szupergyors Nano Banana 2 Lite-tal elkészítenek egy alapképet, majd ezt átadják a Gemini Omni Flash-nek, ami varázslatos, kiváló minőségű mozgó videóvá animálja azt.

A Google be is mutatott néhány izgalmas demó alkalmazást, ami ezt a gyakorlatban is bizonyítja:

  1. Anywhere (Bárhol): Készítesz magadról egy szelfit, a képalkotó áthelyez egy ikonikus turistalátványossághoz, majd a videómodell ebből az állóképből egy mozgó, éllettel teli rövid videót csinál.
  2. Space Lift (Tér-átalakító): Egy lakberendezési app, amibe feltöltöd a szobád fotóját. A képmodell újratervezi az egészet, a videómodell pedig egy gyönyörű, moziszerű bejárást készít az új, virtuális szobádról.
  3. Omni Product Studio: Statikus termékfotókból készít lenyűgöző, mozgó reklámvideókat webshopok számára.

Mindkét újdonság a Google legmagasabb biztonsági rendszerét használja, és a kimenetek beépített vízjelet (SynthID) kapnak, így a jövőben is egyértelműen azonosítható marad, ha valami mesterséges intelligenciával készült.