Google DeepMind ha presentato Gemini Omni, una nuova famiglia di modelli per la creazione di contenuti, inizialmente video. Secondo l’azienda, Gemini Omni può combinare immagini, audio, video e testo come input per generare video. Il primo modello della famiglia è Gemini Omni Flash: Google DeepMind ne annuncia la distribuzione nell’app Gemini, in Google Flow e in YouTube Shorts.
La presentazione descrive anche modifiche ai video tramite istruzioni in linguaggio naturale, con interventi successivi su ambiente, inquadratura, stile e dettagli. L’azienda sostiene che il sistema mantenga la coerenza delle scene e utilizzi conoscenze di fisica, storia, scienza e contesto culturale. Sono capacità dichiarate dal produttore, non verificate indipendentemente nelle evidenze fornite. Il supporto alla generazione di immagini e audio è indicato come sviluppo futuro.
Approfondiremo questa notizia e pubblicheremo ulteriori dettagli dopo aver verificato le informazioni.