Google 的 Gemini Omni 将图像、音频和文本转换为视频——而这仅仅是个开始
内容摘要
Google 发布了全新的多模态人工智能模型系列 Gemini Omni，该模型能够综合处理文本、音频、图像和视频输入，从而生成高质量的视频内容。通过整合这些多模态信息，该模型展示了对物理和上下文的理解能力。目前推出的 Gemini Omni Flash 主要面向个人用户，支持创建数字人化身和个性化视频，并内置了 SynthID 数字水印以确保安全性。Google 计划在未来推出功能更强大的 Pro 版本，旨在为广告商和电影制作人提供更深度的创作工具。
(来源：TechCrunch)