🔍🤖 گوگِل و Gemini دو مدل جدید برای تولید تصویر و ویدیو منتشر کردند!

1⃣ Nano Banana 2 Lite➡️ برای تصویر

2⃣ Gemini Omni Flash ➡️ برای ویدیو و ویرایش ویدیویی

📚 Nano Banana 2 Lite

نسخه سریع‌تر و ارزان‌تر خانواده مدل‌های تصویری Nano Banana میشه.
اسم فنی‌اش gemini-3.1-flash-lite-image هست و برای کارهایی ساخته شده که سرعت و هزینه مهم‌تر از نهایت کیفیت حرفه‌ای هستن.
این مدل برای ایده‌پردازی سریع، ساخت پیش‌نمایش، پروتوتایپ، تولید انبوه تصویر و workflowهای پرحجم مناسبه.
خروجی رو حدود ۴ ثانیه‌ای تولید می‌کنه و هزینه‌اش ۰.۰۳۴ دلار برای هر تصویر 1K اعلام شده.
با وجود تمرکز روی سرعت، همچنان در پیروی از پرامپت، ثبات کاراکتر و خوانایی متن داخل تصویر عملکرد قابل اتکایی داره.

📚Nano Banana Pro

برای کارهای حرفه‌ای‌تر و پیچیده‌تر؛ وقتی که کنترل، استدلال تصویری و دقت مهم‌تر از سرعت هست.

📚Gemini Omni Flash

مدل ویدیویی گوگل هست؛
برای تولید ویدیو، ویرایش ویدیو با مکالمه، و کار با ورودی‌های چندرسانه‌ای.
اسم فنی‌اش gemini-omni-flash-preview هست و حالا برای اولین بار از طریق Google AI Studio، Gemini API و Gemini Enterprise Agent Platform در دسترس توسعه‌دهنده‌ها قرار گرفته. همچنین در Gemini app و Google Flow هم قابل استفاده‌ست.
هزینه‌ی مصرف توکن‌ش تقریبا برابر با Veo 3.1 Fast هست.


📚قابلیت‌های مهم Omni Flash

ویدیو رو میشه با زبان طبیعی ویرایش کرد. یعنی به جای ابزارهای پیچیده ادیت، می‌تونید بگید:

1. پس‌زمینه را عوض کنه.
2.این صحنه را سینمایی‌تر کنه.
3.متن را با حرکت دست هماهنگ کن.
4.از این تصویر یک ویدیوی کوتاه بساز.


📚محدودیت‌های Omni Flash

فعلاً خروجی‌های ویدیویی Omni Flash ۱۰ ثانیه‌ای هستن و مدت‌های طولانی‌تر بعداً میان.

📚ترکیب این دو مدل چه کاربردی داره؟

ابتدا با Nano Banana 2 Lite سریع تصویر بسازید.
سپس همون تصویر رو بدید به Gemini Omni Flash تا اون رو به ویدیو تبدیل کنه یا ویرایش کنه.

📚از کجا در دسترس و قابل استفاده‌ست؟

Nano Banana 2 Lite

در Google AI Studio، Gemini API و Gemini Enterprise Agent Platform فعال شده و همچنین در محصولات مصرفی گوگل مثل AI Mode در Search، Gemini app، NotebookLM، Google Photos، Stitch، Google Flow و Google Ads.
Gemini Omni Flash

در Google AI Studio، Gemini API، Gemini Enterprise Agent Platform، Gemini app و Google Flow در دسترس هست.
برای تولید محتوا، تبلیغات، طراحی محصول، ساخت ویدیوی کوتاه، پروتوتایپ اپ، تصویرسازی سریع، طراحی داخلی و حتی خروجی‌های آموزشی، این ترکیب خیلی کاربردی هست؛ گوگل داره مسیر ساخت محتوای تصویری و ویدیویی رو از ابزارهای جدا و پیچیده به سمت workflow سریع، مکالمه‌ای و قابل اتوماسیون می‌برد.

در کانال انجمن علمی هوش مصنوعی در پزشکی با ما همراه باشید🏫
📲@AIMEDTUMS