گوگل از Nano Banana 2 Lite رونمایی کرد؛ مدل جدید هوش مصنوعی برای تولید سریع تصویر و ویدئو

۱۴۰۵/۰۴/۱۳ - ۲۲:۰۰

Nano Banana 2 Lite جدیدترین مدل تولید تصویر گوگل است که با تمرکز بر سرعت، هزینه پایین و مقیاس‌پذیری معرفی شده است. گوگل هم‌زمان مدل Gemini Omni Flash را نیز برای تولید و ویرایش ویدئو در اختیار توسعه‌دهندگان قرار داده است.

Nano Banana 2 Lite چیست؟

گوگل از Nano Banana 2 Lite به عنوان سریع‌ترین و مقرون‌به‌صرفه‌ترین مدل خانواده Nano Banana برای تولید تصویر یاد می‌کند. این مدل برای توسعه‌دهندگانی طراحی شده که به تولید تعداد زیادی تصویر در مدت کوتاه نیاز دارند و سرعت و هزینه، دو عامل اصلی در پروژه‌های آن‌ها محسوب می‌شود.

به گفته گوگل، این مدل می‌تواند تصاویر متنی را در حدود ۴ ثانیه تولید کند و هزینه تولید هر تصویر با وضوح هزار پیکسل را به حدود ۰٫۰۳۴ دلار برساند.

مهم‌ترین ویژگی‌های Nano Banana 2 Lite

گوگل اعلام کرده است که Nano Banana 2 Lite با وجود تمرکز بر سرعت، همچنان ویژگی‌های مهمی را حفظ کرده است؛ از جمله:

پایبندی مناسب به متن دستور (Prompt)
حفظ یکپارچگی شخصیت‌ها در تصاویر
نمایش خوانای متن داخل تصویر
مناسب برای تولید انبوه تصویر و نمونه‌سازی سریع

این ویژگی‌ها باعث می‌شود توسعه‌دهندگان بتوانند ایده‌های خود را با سرعت بیشتری آزمایش و اصلاح کنند.

خانواده Nano Banana چه تفاوتی با هم دارند؟

گوگل چهار مدل مختلف را در خانواده Nano Banana معرفی کرده است که هرکدام برای کاربرد متفاوتی طراحی شده‌اند:

Nano Banana 2 Lite: مناسب برای تولید سریع و حجم بالای تصاویر.
Nano Banana 2: تعادل میان کیفیت، سرعت و هزینه را ارائه می‌دهد.
Nano Banana Pro: برای پروژه‌های حرفه‌ای که دقت و کنترل اهمیت بیشتری دارد.
Nano Banana (نسخه قدیمی): گوگل توصیه می‌کند کاربران به Nano Banana 2 Lite مهاجرت کنند، زیرا کیفیت بهتر، سرعت بیشتر و هزینه کمتری دارد.

Gemini Omni Flash چه قابلیت‌هایی دارد؟

در کنار مدل جدید تولید تصویر، گوگل Gemini Omni Flash را نیز برای توسعه‌دهندگان منتشر کرده است.

این مدل امکان تولید و ویرایش ویدئو را با استفاده از ترکیبی از متن، تصویر و ویدئو فراهم می‌کند و از قابلیت ویرایش محاوره‌ای برخوردار است؛ یعنی کاربر می‌تواند تنها با زبان طبیعی، تغییرات موردنظر خود را روی ویدئو اعمال کند.

از جمله قابلیت‌های اعلام‌شده برای این مدل می‌توان به موارد زیر اشاره کرد:

تولید و ویرایش ویدئو با فرمان‌های متنی
استفاده هم‌زمان از متن، تصویر و ویدئو برای حفظ هماهنگی صحنه
بهره‌گیری از دانش چندرسانه‌ای Gemini برای ساخت ویدئو
هماهنگ‌سازی متن و عناصر گرافیکی با اتفاقات داخل ویدئو

محدودیت‌های Gemini Omni Flash

گوگل در کنار معرفی قابلیت‌ها، برخی محدودیت‌های فعلی این مدل را نیز اعلام کرده است.

در نسخه کنونی:

حداکثر طول ویدئوهای تولیدشده ۱۰ ثانیه است.
امکان بارگذاری فایل صوتی مرجع وجود ندارد.
پشتیبانی از گسترش صحنه هنوز ارائه نشده است.
ارجاع به ویدئوهای بیش از سه ثانیه به‌درستی پردازش نمی‌شود.
حفظ کامل یکپارچگی شخصیت‌ها هنگام تغییر صحنه یا حرکت دوربین هنوز با محدودیت‌هایی همراه است.

گوگل اعلام کرده است که در آینده این قابلیت‌ها بهبود خواهند یافت.

ترکیب Nano Banana 2 Lite و Gemini Omni Flash

گوگل معتقد است بیشترین کارایی زمانی حاصل می‌شود که این دو مدل در کنار هم استفاده شوند.

در این روند، ابتدا Nano Banana 2 Lite تصویر موردنظر را با سرعت بالا تولید می‌کند و سپس همان تصویر به عنوان مرجع به Gemini Omni Flash داده می‌شود تا به یک ویدئوی متحرک تبدیل شود.

گوگل برای نمایش این قابلیت، چند نمونه برنامه آزمایشی معرفی کرده است؛ از جمله:

برنامه‌ای که با یک عکس سلفی، کاربر را در مکان‌های مشهور جهان قرار می‌دهد و سپس تصویر را به ویدئو تبدیل می‌کند.
برنامه طراحی داخلی که با یک عکس از اتاق، دکوراسیون‌های مختلف پیشنهاد می‌دهد و نسخه ویدئویی آن را نمایش می‌دهد.
ابزار ساخت ویدئوهای تبلیغاتی برای فروشگاه‌های اینترنتی با استفاده از تصاویر ثابت.

ایمنی و شفافیت در تولید محتوای هوش مصنوعی با Nano Banana 2 Lite

گوگل اعلام کرده است هر دو مدل از فناوری SynthID برای واترمارک‌گذاری محتوای تولیدشده با هوش مصنوعی استفاده می‌کنند.

همچنین کاربران می‌توانند از طریق برنامه Gemini، مرورگر Chrome یا جست‌وجوی گوگل، اصالت محتوای تولیدشده با هوش مصنوعی را بررسی کنند. هدف از این قابلیت، افزایش شفافیت درباره نحوه تولید و ویرایش محتوای دیجیتال عنوان شده است.

جمع‌بندی

معرفی Nano Banana 2 Lite و Gemini Omni Flash نشان می‌دهد گوگل تمرکز خود را بر توسعه ابزارهایی گذاشته است که بتوانند تولید تصویر و ویدئو را سریع‌تر، ارزان‌تر و ساده‌تر کنند. Nano Banana 2 Lite برای تولید سریع تصاویر در مقیاس بالا طراحی شده و Gemini Omni Flash امکان تولید و ویرایش ویدئو با استفاده از متن، تصویر و ویدئو را فراهم می‌کند. گوگل اعلام کرده است این دو مدل فعلا در اختیار توسعه‌دهندگان قرار گرفته‌اند و به‌تدریج به محصولات مختلف این شرکت نیز اضافه خواهند شد.