ગૂગલે લોન્ચ કર્યું નવું AI ટૂલ: ‘Gemini Omni’ વડે હવે બોલીને વીડિયો બનાવો અને એડિટ કરો

ગૂગલે તેના Gemini AI પરિવારમાં એક નવું વીડિયો જનરેશન ટૂલ “Gemini Omni” રજૂ કર્યું છે. કંપનીનું કહેવું છે કે આ એક એવો AI મોડલ છે જે કોઈપણ ઇનપુટથી કંઈપણ બનાવી શકે છે. હાલમાં તેની શરૂઆત વીડિયો જનરેશનથી કરવામાં આવી છે.

Gemini Omni માં જેમિનીની સમજવાની અને તર્ક કરવાની ક્ષમતા (reasoning) ને ક્રિએટિવ AI ફીચર્સ સાથે જોડવામાં આવી છે. એટલે કે, આ મોડલ ફક્ત વીડિયો જ નહીં બનાવે, પરંતુ એ પણ સમજશે કે કોઈ સીન (દ્રશ્ય) માં આગળ શું થવું જોઈએ.

Gemini Omni: ઘણી બધી રીતે કમાન્ડ સ્વીકારશે

આ નવા ‘ઓમ્ની’ પરિવારનું પહેલું મોડલ Gemini Omni Flash છે. તેની શરૂઆત વીડિયો બનાવવાથી થઈ રહી છે. તમે ઇમેજ, ઓડિયો, વીડિયો કે ટેક્સ્ટને ઇનપુટ તરીકે આપી શકો છો. આ મોડલ આજથી જ જેમિની એપ, ગૂગલ ફ્લો (Google Flow) અને યૂટ્યૂબ શોર્ટ્સ (YouTube Shorts) પર ઉપલબ્ધ છે. આગામી સમયમાં આ મોડલ માત્ર ઇમેજ અને ઓડિયો પણ જનરેટ કરી શકશે.

બોલીને વીડિયો બનાવી શકાશે અને એડિટિંગ પણ થશે

Gemini Omni Flash ની સૌથી મોટી ખાસિયત તેનું કન્વર્ઝેશનલ વીડિયો એડિટિંગ ફીચર છે. યુઝર્સ સામાન્ય ભાષામાં કમાન્ડ (આદેશ) આપીને વીડિયો એડિટ કરી શકશે. જેમ કે:

બેકગ્રાઉન્ડ બદલવું

નવા કેરેક્ટર (પાત્રો) ઉમેરવા

કોઈ ઓબ્જેક્ટ (વસ્તુ) ને હટાવવી

કેમેરા એન્ગલ બદલવો

સ્ટાઈલ અને ઈફેક્ટ્સ બદલવી

કંપનીનું કહેવું છે કે દરેક નવો આદેશ (instruction) તેના અગાઉના આદેશ સાથે જોડાયેલો રહેશે. આનાથી વીડિયોની વાર્તા, પાત્રો અને સીનની સાતત્યતા (continuity) જળવાઈ રહેશે.

હવે વીડિયોની વાર્તા પણ સમજશે AI

ગૂગલના જણાવ્યા અનુસાર, Gemini Omni માત્ર ફોટોરિયલિસ્ટિક (તદ્દન અસલી દેખાતા) વીડિયો જ નહીં બનાવે, પરંતુ તે રિયલ-વર્લ્ડ નોલેજ (વાસ્તવિક દુનિયાના જ્ઞાન) નો પણ ઉપયોગ કરશે. આમાં ઇતિહાસ, વિજ્ઞાન, સાંસ્કૃતિક સંદર્ભો અને ફિઝિક્સ (ભૌતિક વિજ્ઞાન) જેવી બાબતોની સમજ આપવામાં આવી છે. એટલે કે, AI માત્ર સુંદર સીન નહીં બનાવે, પરંતુ વધુ તાર્કિક અને વાસ્તવિક વીડિયો તૈયાર કરશે.

ટેક્સ્ટ, ફોટો, વીડિયો અને ઓડિયો… બધાનો સપોર્ટ

Gemini Omni ની શરૂઆત વીડિયો બનાવવાથી થઈ રહી છે. તમે ઇમેજ, ઓડિયો, વીડિયો કે ટેક્સ્ટને ઇનપુટ તરીકે આપી શકો છો. તમારી પાસે જે કંઈ પણ ઉપલબ્ધ હોય, તમે ત્યાંથી શરૂઆત કરી શકો છો. ભલે તે કોઈ તસવીર હોય, જૂનો વીડિયો હોય કે પછી માત્ર એક ટેક્સ્ટ હોય, ઓમ્ની આ બધાને મિક્સ કરીને એક શાનદાર આઉટપુટ આપે છે.

નોંધ: હાલમાં ઓડિયો માટે માત્ર વોઈસ ઇનપુટનો સપોર્ટ છે. પરંતુ ટૂંક સમયમાં અન્ય ઓડિયો ઇનપુટ્સ પણ ઉમેરાઈ જશે. તમે તમારી પસંદગીની સ્ટાઈલ અને મોશન (ગતિ) પણ આમાં સરળતાથી ઉમેરી શકો છો.