گوگل از دو مدل هوش مصنوعی جدید با نام‌های Nano Banana 2.1 و EmbeddingGemma 2 رونمایی کرد. Nano Banana 2.1 روی تولید و ویرایش تصویر تمرکز دارد، در حالی که EmbeddingGemma 2 برای جست‌وجو و بازیابی اطلاعات چندرسانه‌ای روی دستگاه طراحی شده است.
Nano Banana 2.1؛ مدل جدید گوگل برای تولید تصویر
Nano Banana 2.1 نسخه جدید مدل تولید و ویرایش تصویر گوگل است که با تمرکز بر افزایش کیفیت تصاویر و اجرای دقیق‌تر دستورهای متنی توسعه یافته است.
این مدل امکان تولید تصاویر با وضوح ۱K، ۲K و ۴K را دارد و عملکرد آن در تولید تصاویر بسیار عریض و پانوراما نیز بهبود یافته است. نمایش متن داخل تصاویر و ایجاد اینفوگرافیک نیز از دیگر بخش‌هایی است که در نسخه جدید بهبود پیدا کرده است.
یکی از قابلیت‌های مهم Nano Banana 2.1، امکان ترکیب چند تصویر مرجع است. این مدل می‌تواند تا ۱۴ تصویر مرجع را دریافت کند و ظاهر حداکثر چهار شخصیت و جزئیات ۱۰ شیء را در فرایند تولید و ویرایش حفظ کند.
Nano Banana 2.1 در سرویس‌هایی مانند Gemini، AI Mode در جست‌وجوی گوگل، Google AI Studio، Flow، Stitch و Google Ads در حال عرضه است.
EmbeddingGemma 2؛ جست‌وجوی چندرسانه‌ای روی دستگاه
مدل دوم، EmbeddingGemma 2، برای کاربردهای متفاوتی توسعه یافته است. این مدل می‌تواند متن، کد، تصویر، ویدئو و صدا را در یک فضای برداری مشترک قرار دهد تا امکان جست‌وجوی معنایی میان انواع مختلف محتوا فراهم شود.
EmbeddingGemma 2 دارای ۷۴۰ میلیون پارامتر است و برای اجرای مستقیم روی دستگاه‌ها بهینه شده است. به این ترتیب، توسعه‌دهندگان می‌توانند قابلیت‌های جست‌وجو و بازیابی اطلاعات چندرسانه‌ای را بدون وابستگی کامل به پردازش ابری در محصولات خود پیاده‌سازی کنند.
برای نمونه، این مدل می‌تواند یک بخش مشخص از ویدئو را بر اساس یک عبارت صوتی پیدا کند یا میان مجموعه بزرگی از فایل‌های صوتی، محتوای مرتبط با یک عبارت متنی را شناسایی کند.
پنجره زمینه ۸ هزار توکنی
EmbeddingGemma 2 از پنجره زمینه ۸ هزار توکنی بهره میبرد که چهار برابر بیشتر از نسل قبلی است. این مدل همچنین برای استفاده بهینه از منابع سخت‌افزاری دستگاه‌های مختلف طراحی شده است.
گوگل EmbeddingGemma 2 را با مجوز Apache 2.0 عرضه کرده تا توسعه‌دهندگان بتوانند از آن در پروژه‌های مختلف استفاده کنند.
دو کاربرد متفاوت برای مدل‌های جدید گوگل
معرفی Nano Banana 2.1 و EmbeddingGemma 2 دو مسیر متفاوت در توسعه هوش مصنوعی گوگل را نشان می‌دهد. Nano Banana 2.1 برای تولید و ویرایش تصویر طراحی شده است، در حالی که EmbeddingGemma 2 زیرساخت لازم برای جست‌وجو و بازیابی معنایی اطلاعات چندرسانه‌ای را فراهم می‌کند.
به این ترتیب، Nano Banana 2.1 بیشتر برای تولیدکنندگان محتوا و ابزارهای تصویری کاربرد دارد و EmbeddingGemma 2 عمدتاً توسعه‌دهندگانی را هدف گرفته است که به دنبال افزودن قابلیت جست‌وجوی هوشمند به اپلیکیشن‌های خود هستند.
منابع: Digit، Google DeepMind
