Google анонсировала новые ИИ-инструменты на ежегодной конференции Google I/O 2024. Компания представила личного ассистента Project Astra на базе искусственного интеллекта. ИИ-технология может интерпретировать то, что пользователь показывает с помощью камеры телефона или очков.
Также компания показала аналог Sora от OpenAI. Новая модель для генерации видео Veo создает ролики продолжительностью от восьми секунд и в разрешении 1080р. Разработчики отмечают, что нейросеть понимает кинематографические термины, такие как «таймлапс» или «воздушные снимки пейзажа». Veo создает последовательные кадры, поэтому люди и объекты реалистично перемещаются в видео.
ИИ-модель Imagen 3 способна генерировать детализированные картинки с меньшим количеством визуального шума, чем предыдущие версии. Нейросеть понимает естественный язык при создании изображений и учитывает мелкие детали из длинного запроса. «Это также наша лучшая модель для рендеринга текста, что было проблемой для моделей генерации изображений. Этот инструмент открывает возможности для создания персонализированных сообщений на день рождения, заголовков в презентациях и многого другого», — сообщили в Google.
Также IT-компании представила инструмент Ask Photos, который поможет организовать галерею. С его помощью можно найти информацию о пользователе, запечатлеть воспоминания или сохранить детали. Например, нейросеть можно спросить, где проходил отпуск в прошлом году.
Кроме того, компания разработала набор музыкальных ИИ-инструментов под названием Music AI Sandbox. Они позволят пользователям создавать треки с нуля, а также трансформировать звук.
Wyclef Jean, Джастин Трантер и Marc Rebillet первыми выпустили новые демоверсии треков с использованием Music AI Sandbox. Google также анонсировала улучшенную версию Gemini 1.5 Pro, которая сможет анализировать в два раза больше данных, чем раньше, — до 2 млн токенов. Нейросеть может понять несколько больших документов, в общей сложности до 1,5 тыс. страниц. Для того чтобы воспользоваться этой опцией, Google добавила возможность загружать файлы через Google Drive или непосредственно с устройства. В компании заявляют, что ИИ-модель сохраняет файлы конфиденциальными, поэтому они не используются для ее обучения. Кроме того, теперь Gemini 1.5 Pro доступна более чем на 35 языках.
В том числе новые ИИ-опции получил и поисковик Google. Например, быстрый ответ на вопрос пользователя, поиск по видео, а также функция Circle to Search («Обвести и найти») может решать математические задачи.
Ранее OpenAI представила новую языковую модель GPT-4о, которая может генерировать текст, звук и изображения. Компания собирается внедрить ИИ-модель в свою продукцию.
