Присоединяйтесь к нашим ежедневным и еженедельным информационным бюллетеням для последних обновлений и эксклюзивного контента в индустрии AI-лидирования. Узнать больше
Последний открытый исходный код Google Gemma 3 – не единственная великая новость об алфавитном филиале сегодня.
Нет, на самом деле, в центре внимания, возможно, было украдено из Flash Google Gemini 2.0 с помощью нативного генерации изображений, новой экспериментальной модели, доступной бесплатно для пользователей и разработчиков Google AI Studio с помощью API Google Gemini API.
Впервые он отмечает, что крупная американская компания компании отправила мультимодальную генерацию изображений непосредственно в модели для потребителей. Большинство других инструментов генерации AI -Imate распространяли модели (специфичные для изображения), связанные с большими языковыми моделями (LLMS), что требует некоторой интерпретации между двумя моделями для получения изображения, которое пользователь запросил в текстовой приглашении.
Напротив, Flash Gemini 2.0 может генерировать изображения, изначально в той же модели, которую пользователь печатает тексты, теоретически обеспечивая большую точность и большие возможности – и ранние показания полностью верны.
Flash Gemini 2.0, впервые показанная в декабре 2024 года, но без нативного изображения -генерационного способности, зажженной для пользователей, интегрирует мультимодальные входы, рассуждения и понимание естественного языка для создания изображений вместе с текстом.
Недавно доступная экспериментальная версия Gemini-2,0-Flash-EXP позволяет разработчикам создавать иллюстрации, уточнить изображения посредством разговора и генерировать подробные визуальные эффекты, основанные на мировых знаниях.
Поскольку Flash Twins 2.0 улучшает изображения, сгенерированные AI
В блоге разработчика, выпущенного ранее сегодня, Google выделяет несколько ключевых возможностей Gemini 2.0 Flash Нативное изображение -Generation:
• Текстовые и изображения истории: Разработчики могут использовать Flash Gemini 2.0 для генерации иллюстрированных историй, сохраняя последствия в знаках и настройках. Модель также отвечает на обратную связь, позволяя пользователям регулировать историю или изменить художественный стиль.
• Редактирование изображений разговора: ИИ поддерживает Редактирование с несколькими поворотамиЭто означает, что пользователи могут итеративно уточнить изображение, предоставляя инструкции через обещания естественного языка. Эта функция обеспечивает реальное сотрудничество и творческие исследования.
• Генерация изображений на основе мировых знаний: В отличие от многих других моделей генерации изображений, Gemini 2.0 Flash использует более широкие навыки рассуждения, чтобы создать более важные контекстные изображения. Например, он может проиллюстрировать рецепты с подробными визуальными эффектами, которые соответствуют реальным ингредиентам и методам приготовления пищи.
• Улучшенный текстовый рендеринг: Многие модели AI -CILD пытаются точно сгенерировать читаемый текст в изображениях, часто создавая злоупотребления или искаженные символы. Google сообщает, что Flash Gemini 2.0 превышает лучших конкурентов В изображении текстов, что делает его особенно полезным для рекламы, социальных сетей и приглашений.
Первоначальные примеры показывают невероятный потенциал и обещание
Googlers и некоторые пользователи AI -силы для X, чтобы поделиться примерами новых поколений изображений и навыков редактирования, предлагаемых Gemini 2.0 Flash Experimental, и они были определенно впечатляющими.
Исследователь Google DeepMind Роберт Риачи показал, как модель может генерировать изображения в стиле пикселя, а затем создавать новые в том же стиле на основе текстовых обещаний.
Новости AI News TestCatalog News сообщили о прохождении мультимодальных возможностей Gemini 2.0 Flash Experimental, отметив, что Google является первой крупной лабораторией, которая развертывает эту функцию.
Пользователь @Angaisb также «Ангел» показал в убедительном примере, в качестве подсказки «добавить шоколад» изменил существующее изображение круассанов за считанные секунды – раскрывая быстрые и точные возможности Изображения Близнецов 2.0, просто поболтав взад и вперед с моделью.
Теоретически YouTuber Media отметил, что это постепенное редактирование изображений без полной регенерации – это то, что индустрия ИИ давно предполагала, доказывая, как было легко попросить Gemini 2.0 Flash, чтобы редактировать изображение, чтобы поднять руку персонажа, сохраняя все остальное изображение.
Бывший Googler повернул ИИ Youtuber Bilawal Sidhu показал, как модель цветовых черно -белых изображений, ссылаясь на возможные исторические реставрации или творческие приложения улучшения.
Эти ранние реакции предполагают, что разработчики и энтузиасты искусственного интеллекта видят Flash Gemini 2.0 как очень гибкий инструмент для итеративного дизайна, творческого рассказывания историй и редактирования с помощью A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-A-P
Быстрый ролинг Swift также контрастирует с GPTAI’s GPTAI 4O, который предварительно просмотрел навыки поколения нативных изображений в мае 2024 года, прежде чем годовой, но еще не должен опубликовать эту функцию в публичном Google, чтобы получить возможность руководить возможностью пройти в мультимодальном полицейском ИИ.
Как пользователь @Chatgpt21 также «Крис», отмеченный о X, Openai имеет в этом случае «Los
Мои собственные тесты показали некоторые границы с внешним видом – он казался фиксированным в 1: 1 для меня, несмотря на то, что он попросил текст изменить его – но это может изменить направление символов в изображении за считанные секунды.
В то время как большая часть ранней дискуссии о нативном изображении Gemini Generation 2.0 была сосредоточена на отдельных пользователях и креативных приложениях, его последствия для корпоративных команд, разработчиков и архитекторов программного обеспечения являются значительными.
Дизайн и маркетинг с помощью AI в масштабе: Для маркетинговых команд и создателей контента Flash Gemini 2.0 может служить экономической альтернативой традиционным потокам графического проекта, автоматизируя создание маркированного контента, рекламы и социальных сетей. Поскольку он поддерживает текстовые изображения в изображениях, он может рационализировать рекламу, создание, проект упаковки и рекламную графику, снижая зависимость ручного редактирования.
Улучшение разработчиков инструментов и рабочих процессов искусственного интеллекта: для CTO, ИТ -директоров и инженеров -программы нативное изображение -генерация может упростить ИИ -интеграцию в приложениях и услугах. Комбинирование текстов и выходов изображений в одной модели, Gemini 2.0 Flash позволяет разработчикам создавать:
- Помощники проекта, основанные на AI, которые генерируют Momchairs или приложения UI/UX.
- Автоматические документальные инструменты, которые иллюстрируют концепции в режиме реального времени.
- Динамические, основанные на искусственном интеллекте повествовательные платформы для СМИ и образования.
Поскольку модель также поддерживает редактирование изображений разговора, команды могут разрабатывать интерфейсы, управляемые искусственным интеллектом, где пользователи совершенствуют проекты с помощью естественного диалога, снижая барьер для входа для нетехнических пользователей.
Новые возможности для программного обеспечения для производительности, управляемого AI: Для бизнес-групп, создающих инструменты производительности на основе AI, Flash Gemini 2.0 может поддерживать такие приложения, как:
- Автоматическое представление генерации с A-созданными слайдами и визуальными эффектами.
- Правовые и коммерческие документы. Обозначение с инфографикой, сгенерированной ИИ.
- Описание электронной коммерции, динамически генерируя изделия продукта на основе описаний.
Как развернуть и экспериментировать с этой способностью
Разработчики могут начать тестирование навыков генерации флэш -памяти Gemini 2.0 через API Gemini. Google предоставляет образец запроса API, чтобы доказать, как разработчики могут генерировать иллюстрированные истории с текстом и изображениями в одном ответе:
from google import genai
from google.genai import types
client = genai.Client(api_key="GEMINI_API_KEY")
response = client.models.generate_content(
model="gemini-2.0-flash-exp",
contents=(
"Generate a story about a cute baby turtle in a 3D digital art style. "
"For each scene, generate an image."
),
config=types.GenerateContentConfig(
response_modalities=("Text", "Image")
),
)Упрощение генерации изображений с AI, Gemini 2.0 Flash предлагает разработчикам новые способы создания иллюстрированного контента, дизайна приложений с помощью A-Assisted и экспериментов с визуальным рассказыванием историй.
Source link
