شرکت گوگل در جریان رویداد Google I/O 2026 از مدل هوش مصنوعی جدید خود با نام Gemini Omni رونمایی کرد.
به گزارش سرویس هوش مصنوعی تکناک، این مدل چندوجهی با تمرکز بر تولید و ویرایش ویدیو، به عنوان یکی از گام‌های مهم این شرکت در مسیر توسعه هوش مصنوعی پیشرفته معرفی شده است.
پر فروش ترین موبایل های بازار
3%گوشی موبایل سامسونگ مدل Galaxy S25 FE دو سیم کارت ظرفیت 256 گیگابایت و رم 8 گیگابایت – ویتنام
گوشی موبایل اپل مدل iPhone 17 CH دو سیم کارت ظرفیت 256 گیگابایت و رم 8 گیگابایت – نات اکتیو
گوشی موبایل اپل مدل iPhone 17 Pro Max ZAA تک سیم کارت + eSim ظرفیت 256 گیگابایت و رم 12 گیگابایت – نات اکتیو
گوشی موبایل سامسونگ مدل Galaxy S25 Ultra دو سیم کارت ظرفیت 256 گیگابایت و رم 12 گیگابایت – پک ویتنام
گوشی موبایل شیائومی مدل Poco X7 Pro دو سیم کارت ظرفیت 512 گیگابایت و رم 12 گیگابایت – گلوبال
گوشی موبایل شیائومی مدل Redmi Note 15 4G دو سیم کارت ظرفیت 256 گیگابایت و رم 8 گیگابایت
گوشی موبایل سامسونگ مدل Galaxy A56 دو سیم کارت ظرفیت 256 گیگابایت و رم 12 گیگابایت – ویتنام
گوشی موبایل شیائومی مدل Redmi Note 15 Pro Plus دو سیم کارت ظرفیت 512 گیگابایت و رم 12 گیگابایت
گوشی موبایل اپل مدل iPhone 17 Pro ZAA تک سیم کارت + eSim ظرفیت 256 گیگابایت و رم 12 گیگابایت – نات اکتیو
نخستین نسخه از این خانواده با نام Gemini Omni Flash از امروز در اختیار کاربران قرار گرفته است و به گفته گوگل، امکان تولید محتوای ویدیویی واقع‌گرایانه‌تر را با درک بهتر از فیزیک و زمینه‌های مفهومی فراهم می‌کند. این مدل برخلاف ابزارهای رایج از ورودی‌های متنوعی شامل متن، تصویر، صدا و ویدیو پشتیبانی می‌کند و خروجی‌هایی تعاملی و منطبق با دانش دنیای واقعی ارائه می‌دهد.
در جریان این رویداد، دمیس هاسابیس، مدیرعامل Google DeepMind، مدل Gemini Omni را گامی حیاتی و سرنوشت‌ساز به سوی دستیابی به هوش مصنوعی عمومی (AGI) توصیف کرد و یادآور شد که این مدل در آینده می‌تواند هر آنچه را که کاربر اراده کند، در قالب خروجی تحویل دهد. برخلاف ابزارهای متداول تبدیل متن به ویدیو مانند Veo گوگل، این فناوری در هر دو بخش ورودی و خروجی به صورت کاملاً چندوجهی عمل می‌کند؛ به این معنا که کاربران می‌توانند ترکیبی از متن، صدا، تصویر و ویدیو را به مدل تزریق کنند و سیستم با اتکا به دانش جهان واقعی جمنای، یک دنیای تعاملی و منحصربه‌فرد خلق خواهد کرد.
در بخش دیگری از ویژگی‌های این فناوری، امکان ساخت آواتار و شبیه‌سازی چهره دیجیتالی کاربران فراهم شده است؛ همچنین به منظور پیشگیری از سوءاستفاده‌های احتمالی، تمام ویدیوهای خروجی به واترمارک غیرقابل‌رویت SynthID مجهز می‌شوند تا هویت هوش مصنوعی آنها قابل راستی‌آزمایی باشد.
براساس گزارش Mashable، هوش مصنوعی جدید گوگل با درک عمیق بافت و زمینه دستورها (نظیر حقایق تاریخی)، محتوای ویدیویی منسجم و منطقی‌تری نیز ارائه می‌دهد. علاوه بر خلق اولیه محتوا، قابلیت ویرایش گفتاری نیز به این سیستم اضافه شده است؛ به طوری که کاربران می‌توانند از طریق گفت‌وگوی متنی یا صوتی با Omni، زاویه دوربین، سبک بصری، مناظر پس‌زمینه و حتی جزئیات بسیار ریز یک ویدیوی شخصی یا هوش‌مصنوعی را به طور کامل دگرگون کنند.
این سرویس از امروز برای مشترکان پولی Google AI Plus، Pro و Ultra در اپلیکیشن Gemini و Google Flow فعال شده و قرار است طی روزهای آینده به صورت رایگان در YouTube Shorts و اپلیکیشن YouTube Create نیز عرضه شود.
