Generativní AI pro obrázky, video a kreativní média — Sora, DALL·E, Midjourney, Stable Diffusion a další.
971 článků
Otevřený model EmbeddingGemma 2 od Googlu mapuje text, kód, obrázky, zvuk i video do jednoho embedding prostoru přímo na zařízení. Vychází pod licencí Apache 2.0 a pro text na telefonu Pixel potřebuje zhruba 191 MB RAM. Zdroj: thenextweb.com
EmbeddingGemma 2 je označován za nejschopnější model pro multimodální embeddingy přímo na zařízení. Nativně mapuje kombinace textu, obrázků, zvuku a videa do jednoho společného prostoru. Zdroj: blog.google
Google dnes vydal EmbeddingGemma 2, otevřený multimodální embedding model, který je dost malý na to, aby běžel na chytrém telefonu. Navazuje na původní EmbeddingGemma, který uměl pouze text. Zdroj: siliconangle.com
EmbeddingGemma 2 od Google DeepMind vektorizuje text, kód, obrázky, video i zvuk v jediném modelu o 740 milionech parametrů. Míří na RAG aplikace běžící přímo na zařízení. Zdroj: marktechpost.com
Google DeepMind v úterý spustil EmbeddingGemma 2, open-weight AI model určený k vyhledávání a organizaci textu, obrázků, videa a dalších dat. Je navržen tak, aby běžel přímo na zařízeních. Zdroj: tradingview.com
Google 6. října 2026 uvedl Nano Banana 2.1, model pro generování a úpravu obrázků postavený na Gemini 3.6 Flash. Je dostupný napříč ekosystémem Gemini. Zdroj: unite.ai
Google vydal EmbeddingGemma 2, otevřený model se 740 miliony parametrů. Převádí text, obrázky, video, zvuk i kód na vektory a podle Googlu překonává konkurenční embedding modely, které jsou dvakrát větší. Zdroj: the-decoder.com
Průvodce ukazuje, jak s EmbeddingGemma 2 stavět multimodální vyhledávání a RAG aplikace. Jde o kompaktní otevřený model, který zpracovává text, kód, obrázky, video i zvuk. Zdroj: developers.googleblog.com
Generativní AI mění způsob, jakým vzniká digitální obsah. Úkoly, které dříve vyžadovaly samostatné nástroje pro generování obrazu, animaci, střih a produkci, se stále častěji slučují do jednotných pracovních postupů. Zdroj: dailyiowan.com
Reka AI představila Rho-1, omni-model s 19 miliardami parametrů. Jediná neuronová síť zpracovává i generuje text, obrázky, video a řídicí povely pro roboty. Zdroj: the-decoder.com
PixAI Studio propojuje generování anime obrázků, jejich úpravy, referenční postavy i video animaci v jediném pracovním prostředí. Článek ukazuje, jak tyto kroky spojit do jednoho workflow. Zdroj: worldbusinessoutlook.com
S přibývajícími modely AI videa se těžiště posouvá od kvality k výběru toho pravého. Tvůrci potřebují model, díky němuž zvládnou druhou povedenou verzi, pátou revizi i dvacátý podklad, aniž by ztratili původní myšlenku. Zdroj: techbullion.com
Začínající režiséři celovečerních filmů často nejvíc peněz nespálí za kamery, ale za ztracené natáčecí dny, třeba kvůli nevhodné lokaci. Nezávislí filmaři proto používají AI video k vizualizaci scén ještě před prvním klapkou. Zdroj: filmthreat.com
Článek vysvětluje, jak funguje AI výměna postav ve videu, při níž nová postava zachová každý pohyb původního herce. Postup předvádí na nástroji YouCam Character Motion. Zdroj: perfectcorp.com
World rozšiřuje své ověřování lidskosti na hovory v aplikaci Zoom i na AI agenty poté, co videomodel považovalo za skutečného člověka 48 % volajících. Systém využívá World ID, aby potvrdil, že na druhé straně opravdu sedí člověk. Zdroj: hackernoon.com
Adobe v posledních letech chrlí jeden AI nástroj za druhým, od obrazových a video modelů Firefly až po další hojně diskutované novinky. Nový koncept generování 3D světů z textu naznačuje, kam by se Firefly mohl vydat dál. Zdroj: creativebloq.com
Ne všechny AI nástroje pro taneční videa dělají totéž. Některé vytvářejí pohyb přímo k hudební stopě, jiné budují její vizuální svět nebo přetvářejí existující záběry, takže výběr záleží na potřebách tvůrce. Zdroj: side-line.com
Fronta pro generování obrázků může vypadat zdravě, dokud se několik úloh nedokončí v plánování najednou a neodešle své požadavky současně. Pár jich projde, ostatní skončí chybou a agresivní opakování zahlcení ještě prohlubuje. Zdroj: techbullion.com
Více než 70 milionů neslyšících a nedoslýchavých lidí v Indii je při získávání běžných informací často odkázáno na to, zda je poblíž někdo, kdo umí znakovat. Nový AI systém převádí text v maráthštině na realistická videa v indickém znakovém jazyce. Zdroj: bioengineer.org
MixVio AI spustilo jednotné pracovní prostředí, které sdružuje 26 generativních AI cest. Vybrané workflow zvládnou až 50 multimodálních referenčních souborů a vytvoří 30sekundové video v rozlišení 1080p s nativně synchronizovaným zvukem. Zdroj: manilatimes.net