Google DeepMind 发布 Gemini Omni Flash,支持多模态输入生成视频
Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本作为输入生成高质量视频,并支持用自然语言多轮对话编辑视频。
推荐理由:原文给出 Omni 系列首个模型的输入输出能力与上线渠道,读者可据此判断多模态视频生成的实际可用范围。

Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本作为输入生成高质量视频,并支持用自然语言多轮对话编辑视频。
推荐理由:原文给出 Omni 系列首个模型的输入输出能力与上线渠道,读者可据此判断多模态视频生成的实际可用范围。