Google пусна „AI Photoshop“ – в Gemini е вграден модела nano-banana, който може прецизно да редактира изображения

Google обнови своя чатбот Gemini със задвижвана от изкуствения интелект функция за обработка на изображенията, която позволява на потребителите да контролират процеса на редактиране на снимките с прецизност. Търсачката се стреми да постигне възможностите за обработка на изображения на OpenAI и да привлече аудиторията на ChatGPT.

Актуализацията на Gemini 2.5 Flash Image е достъпна за всички потребители на приложението Gemini, както и за разработчиците на платформите Gemini API, Google AI Studio и Vertex AI. Новият редактор обработва изображенията с висока точност, базирани на прости заявки на естествен език. Той запазва консистентността на лицата, животните и другите детайли, което не винаги е възможно с конкурентните инструменти: например, ако поискате от ChatGPT или xAI Grok да променят цвета на нечия риза на снимка, това може да доведе до изкривено лице или промяна на фона. Google Gemini 2.5 Flash Image вече спечели одобрението на потребителите — компанията го направи достъпен на платформата LMArena под името „nano-banana“.

Ляво – оригиналната снимка, дясно – обработената с nano-banana

Това не е отделен AI-модел, а по-скоро вградена функционалност на съществуващия Gemini 2.5 Flash AI. „Наистина подобрихме качеството на обработката на изображенията и способността на модела да следва инструкции. Тази актуализация значително подобрява процеса на редактиране, правейки го по-органично, а резултатът от модела подходящ за всякакви цели“  — каза пред TechCrunch Никол Брихтова, ръководител на генеративните визуални модели в Google DeepMind.

Моделът има задълбочени познания за света и позволява задаването на множество образци в заявката — например изображение на диван, хол и цветова палитра могат да бъдат комбинирани в един отговор. „Искаме да дадем на потребителите творческа свобода, за да могат да получат това, което искат от моделите. Но това не е подобно на нищо друго“ — добави Брихтова. Google предприе някои стъпки за борба с ръста на случаите с дийпфейк, добавяйки визуални водни знаци и идентификатори в метаданните към генерираните от изкуствения интелект изображения.