Generativní AI pro obrázky, video a kreativní média — Sora, DALL·E, Midjourney, Stable Diffusion a další.
491 článků
Google used its latest I/O event this week to introduce Gemini Omni Flash, a new AI model that can take text, photos, video, and audio as inputs,... forbes.com
Google DeepMind unveiled Gemini Omni at Google I/O, a multimodal AI model family for video generation with implications for decentralized compute and Web3... cryptobriefing.com
Gemini Omni is a multi-modal video/audio/text input-output model that, as the “Nano Banana for video,” can restyle any video on command into another format. patmcguinness.substack.com
Gemini Omni is more like a future-oriented video editor, while Seedance 2.0 is a more mature AI video generation tool for today. panewslab.com
Google na letošním I/O představil Gemini Omni Flash, nový AI model schopný zpracovávat text, fotografie, video i zvuk. Závod v oblasti AI videa se rychle posouvá za hranice generování vizuálně atraktivního obsahu. forbes.com
Výzkumníci z Tencent Youtu Lab a Nanjingské univerzity představili metodu L2P, která přenáší schopnosti latentních difuzních modelů – například od Alibaby – přímo do pixel prostoru. Přístup slibuje praktičtější využití generování obrazu bez závislosti na latentních reprezentacích. startupfortune.com
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. letsdatascience.com
Populární kreativní nástroje Adobe, Canva a CapCut plánují nabídnout své funkce přímo uvnitř Google AI chatbotu Gemini. Uživatelé tak budou moci upravovat AI generovaný obsah bez nutnosti přepínat mezi aplikacemi. pcmag.com
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. marktechpost.com
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. ndtvprofit.com
Představení Gemini Omni na letošním Google I/O naznačuje novou fázi vývoje, v níž se AI video stává praktičtějším, lépe ovladatelným a použitelnějším pro každodenní tvůrčí práci. Model překračuje hranice dosavadního přístupu text-to-video. ipsnews.net
Google odhalil Gemini Omni, novou sadu generativních AI modelů schopných vytvářet a upravovat video z kombinace textu, obrázků, zvuku i existujících videí. Představení proběhlo v rámci každoroční konference Google I/O. thedailystar.net
Tým stojící za OpenAI ChatGPT Images 2.0 upozorňuje na rostoucí roli Indie při vývoji multijazyčných modelů pro generování obrázků. Nová verze modelu zvládá generovat obsah v mnoha jazycích a indičtí uživatelé patří globálně k těm nejaktivnějším. indianexpress.com
Google uvedl nový model Gemini Omni zaměřený na rozšíření generativních AI schopností v oblasti videa a vizuálního obsahu. Krok posiluje postavení společnosti v rychle rostoucím závodu o dominanci v AI videu. jawlah.co
Google představil novou rodinu modelů Gemini Omni, která posouvá možnosti generování obsahu o velký krok dál. Po loňském modelu Nano Banana, jenž přinesl generování obrázků, nyní Gemini Omni cílí na tvorbu videa. talkandroid.com
Google rozšířil ekosystém Gemini o tvorbu videí pomocí AI. Model Gemini Omni umožňuje uživatelům generovat a upravovat videa na základě textových, obrazových, zvukových i video vstupů. storyboard18.com
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. indianexpress.com
Google is announcing a major new family of generative media models during Google I/O that it calls Gemini Omni. The first Omni model, Omni Flash, is able to... theverge.com
Last year, Nano Banana brought Gemini's intelligence to image generation and editing. Since then, it's helped millions of people restore old photos,... blog.google
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... venturebeat.com