Důležitost:ZprávaGoogle Gemini Omni multimodal video generation
Google unveils Gemini Omni, a multimodal AI model that generates video from text, images, and audio
Google DeepMind unveiled Gemini Omni at Google I/O, a multimodal AI model family for video generation with implications for decentralized compute and Web3... Zdroj: cryptobriefing.com
Důležitost:ZprávaByteDance Lance multimodal model
ByteDance vydal multimodální model Lance jako open source
ByteDance zveřejnil multimodální model Lance, nativně jednotný systém zvládající porozumění, generování i editaci obrázků a videí. Model je dostupný jako open source a představuje ByteDance jako vážného hráče v oblasti unifikovaných multimodálních AI systémů. Zdroj: letsdatascience.com
Důležitost:Názormultimodal LLMs overview
Vzestup multimodálních LLM mění podobu AI
Přední odborníci na AI diskutovali o multimodálních systémech, senzorickém počítání a rizicích pro soukromí. Téma budoucí spolupráce člověka se strojem a využití robotiky patřilo k hlavním bodům debaty. Zdroj: forbes.com
Důležitost:VýzkumByteDance Lance unified image/video model
ByteDance vydal Lance: jeden model pro obrázky i video
ByteDance představil Lance, nativně unifikovaný multimodální model s 3 miliardami parametrů určený pro porozumění, generování a editaci obrázků i videí. Jde o jeden model pokrývající tři klíčové modality najednou. Zdroj: marktechpost.com
Důležitost:ZprávaGemini Omni multimodal video generation
Google představil Gemini Omni: obraz, text, video i zvuk v jednom výstupu
Na Google I/O 2026 představil technologický gigant nový multimodální AI model Gemini Omni, který dokáže vytvářet a upravovat videa pomocí textu, obrázků, zvuku i videa. Model spojuje všechny čtyři modality do jediného výstupu, což výrazně rozšiřuje možnosti generativní AI. Zdroj: ndtvprofit.com
Důležitost:ZprávaGoogle Gemini Omni multimodal
Gemini Omni Flash přidává multimodální tvorbu videí do ekosystému Googlu
Google odhalil Gemini Omni, nový multimodální AI model určený ke generování a editaci videí. Model pracuje s kombinací textu, obrázků, zvuku a videa jako vstupních podnětů. Zdroj: indianexpress.com
Důležitost:Spuštěníagentic models
Google míří na AI agenty i generování videa s Gemini 3.5 Flash a Omni
Google představil dva nové generativní AI modely, které posouvají řadu Gemini dále do oblasti agentických systémů a multimodální tvorby obsahu. Gemini 3.5 Flash a Omni rozšiřují možnosti automatizace i kreativní produkce. Zdroj: siliconangle.com
Důležitost:ZprávaGemini Omni and 3.5 Flash launch
Google targets AI agents and video generation with Gemini 3.5 Flash and Omni
Google LLC today introduced two new generative artificial intelligence models that push its Gemini family further into AI agents and multimodal creation:... Zdroj: siliconangle.com
Důležitost:ZprávaGemini Omni enterprise implications
Google unveils Gemini Omni 'any-to-any' AI model: what enterprises should know
The model marks Google's bid to collapse the multimodal generative stack — text-to-image, image-to-video, video-to-video, audio generation — into a single... Zdroj: venturebeat.com
Důležitost:ZprávaGemini Omni multimodal video generation
Google’s Gemini Omni turns images, audio, and text into video — and that’s just the start
Google's Gemini Omni is a new multimodal model that reasons across text, images, audio, and video to generate and edit videos through simple conversation... Zdroj: techcrunch.com
Důležitost:ZprávaGemini Omni rollout details
Google rolls out Gemini Omni AI for video generation and editing
Google has officially introduced Gemini Omni, a multimodal AI model that integrates reasoning abilities with creative generation across video, image, audio,... Zdroj: testingcatalog.com
Důležitost:Spuštěníopen-source multimodal image/video model
ByteDance's Lance Puts Open, Efficient Multimodal AI Within Reach
ByteDance released Lance, a 3B-parameter multimodal model under Apache 2.0, offering open, commercially usable image and video generation and editing. Zdroj: startupfortune.com
Důležitost:ZprávaAI training data / creator economy
Wirestock získal 23 milionů dolarů na rozšíření AI datové platformy
Wirestock uzavřel Series A financování ve výši 23 milionů dolarů. Společnost chce urychlit svůj růst a stát se předním dodavatelem eticky získaných multimodálních dat pro trénink AI modelů. Zdroj: citybiz.co
SenseTime Releases SenseNova U1: Native Unified Architecture Marks End of 'Stitching' Era
SenseTime's open-source SenseNova U1 model represents a paradigm shift in multimodal architecture — unifying understanding and generation in a single... Zdroj: pandaily.com
Důležitost:SpuštěníSeedance 2.0 integration
DeepBrain AI přidává Seedance 2.0 do AI STUDIOS
DeepBrain AI oznámil integraci modelu Seedance 2.0 od ByteDance do své platformy AI STUDIOS. Přestože jde o stejný model, firma slibuje výrazně odlišné výsledky díky vlastnímu přístupu k jeho nasazení. Zdroj: markets.businessinsider.com
Důležitost:Spuštěnímultimodal embeddings
Elastic uvádí Jina v5 Omni: multimodální vyhledávání textu, obrázků, videa i zvuku
Elastic představil novou rodinu multimodálních embedding modelů jina-embeddings-v5-omni. Modely jsou navrženy pro vyhledávání napříč textem, obrázky, videem a zvukem v rámci platformy Search AI. Zdroj: businesswire.com
Důležitost:Zprávavideo training data
Shofo: Něco jako Common Crawl pro video, prodáváno AI laboratořím
Přední AI laboratoře závodí ve vývoji multimodálních modelů a všechny narážejí na stejný problém – nedostatek kvalitních videodát. Textová i obrazová data jsou do značné míry vyčerpána, video se tak stává novým klíčovým zdrojem pro trénink modelů. Zdroj: startuphub.ai
Důležitost:Spuštěnímultimodal embeddings
Gemini Embedding 2: multimodální RAG a další možnosti pro vývojáře
Google zpřístupnil Gemini Embedding 2, unifikovaný multimodální model, který převádí text, obrázky, video i audio do jednotného vektorového prostoru. Příspěvek na blogu ukazuje, jak model využít při budování agentních multimodálních RAG systémů. Zdroj: developers.googleblog.com
Důležitost:Spuštěnímultimodal AI model with video understanding
NVIDIA Nemotron 3 Nano Omni: multimodální agent v jediném efektivním modelu
Agentní systémy dnes musí zpracovávat obrazovky, dokumenty, audio, video i text v rámci jediné smyčky od vnímání k akci. NVIDIA Nemotron 3 Nano Omni je otevřený multimodální model navržený právě pro tyto scénáře, který zvládá komplexní uvažování bez nutnosti kombinovat více specializovaných modelů. Zdroj: developer.nvidia.com
Důležitost:Zprávamultimodal AI model with video understanding
Nvidia odhaluje zákulisí moderního multimodálního modelu s Nemotron 3 Nano Omni
Nvidia vydala otevřený multimodální model Nemotron 3 Nano Omni podporující text, obraz, video i zvuk. Zajímavý je nejen jeho výkon, ale také pohled do architektury a přístupů, které stojí za moderními multimodálními systémy. Zdroj: the-decoder.com