Il modello di immagini AI di Google Gemini si aggiorna con un’innovativa funzionalità sorprendente.
Pubblicato il da Redazione - Tecnologia
Google Potenzia il suo Chatbot Gemini con un Nuovo Modello di Immagini AI
Google sta aggiornando il suo chatbot Gemini con un innovativo modello AI per le immagini che offre agli utenti un maggiore controllo sulla modifica delle foto. Questo passo serve a competere con i popolari strumenti di immagini di OpenAI e attrarre utenti da ChatGPT.
L’aggiornamento, denominato Gemini 2.5 Flash Image, è disponibile da martedì per tutti gli utenti dell’app Gemini, oltre che per gli sviluppatori tramite il Gemini API, Google AI Studio e le piattaforme di Vertex AI.
Editing Preciso e Controllo Avanzato delle Immagini
Il nuovo modello di immagini AI di Gemini è progettato per effettuare modifiche più precise, rispondendo alle richieste formulate in linguaggio naturale dagli utenti. La tecnologia si distingue per la sua capacità di mantenere la coerenza di volti, animali e altri dettagli, un aspetto in cui molti strumenti concorrenti sono carenti. Ad esempio, se si richiede a ChatGPT o a Grok di xAI di cambiare il colore della maglietta di una persona in una foto, il risultato potrebbe portare a un volto distorto o a uno sfondo alterato.
Il nuovo editor di immagini integrato in Gemini 2.5 Flash permette di mescolare immagini di animali e persone, mantenendo intatta la loro somiglianza.
Il tool di Google ha già attirato l’attenzione. Negli scorsi giorni, gli utenti dei social media hanno elogiato un impressionante editor di immagini AI su LMArena, una piattaforma di valutazione crowdsourced. Il modello è apparso in forma anonima con il soprannome di “nano-banana”.
Google ha confermato di essere dietro il modello (se non era già chiaro dai suggerimenti a tema banana), il quale rappresenta realmente la capacità nativa di immagini del suo modello AI principale, Gemini 2.5 Flash. L’azienda dichiara che il modello per le immagini è all’avanguardia su LMArena e altri benchmark.
“Stiamo davvero spingendo in avanti la qualità visiva e la capacità del modello di seguire istruzioni,” ha dichiarato Nicole Brichtova, responsabile del prodotto per i modelli di generazione visiva di Google DeepMind, in un’intervista a TechCrunch. “Questo aggiornamento fa un lavoro decisamente migliore nel rendere le modifiche più fluide, e le uscite del modello sono utilizzabili per qualsiasi applicazione.”
I modelli di immagini AI sono diventati un campo di battaglia cruciale per le Big Tech. Quando OpenAI ha lanciato il generatore di immagini nativo di GPT-4o a marzo, ha fatto decollare l’uso di ChatGPT grazie a un’onda di meme generati dall’AI ispirati allo Studio Ghibli, che secondo il CEO di OpenAI, Sam Altman, ha lasciato i server di GPU dell’azienda “surriscaldati.”
In risposta alla crescente concorrenza, Meta ha annunciato la scorsa settimana di voler acquisire licenze per modelli di immagini AI dalla startup Midjourney. Nel frattempo, il unicorn tedesco Black Forest Labs, sostenuto da a16z, continua a dominare i benchmark con i suoi modelli d’immagini FLUX AI.
La nuova funzione editoriale di Gemini potrebbe dunque aiutare Google a colmare il divario di utenti con OpenAI. ChatGPT ora registra oltre 700 milioni di utenti settimanali. Nel corso della chiamata sui risultati di Google, il CEO Sundar Pichai ha rivelato che Gemini ha 450 milioni di utenti mensili, implicando una cifra settimanale ancora inferiore.
Brichtova ha anche spiegato che l’immagine è stata concepita con in mente le esigenze dei consumatori. Ad esempio, può aiutare gli utenti a visualizzare progetti relativi a casa e giardino. La tecnologia vanta anche una maggiore “conoscenza del mondo” e può combinare più riferimenti in un unico comando; per esempio, è in grado di unire un’immagine di un divano, una foto di un soggiorno e una palette di colori in un’unica resa coerente.
Gemini 2.5 Flash Image consente agli utenti di intrattenere conversazioni “multi-turn” con il modello di immagini AI, facilitando così il processo creativo e la modifica delle immagini realistiche.
Mentre il nuovo generatore di immagini AI di Gemini semplifica la creazione e modifica di immagini realistiche, Google ha implementato misure di sicurezza per limitare cosa gli utenti possono generare. L’azienda ha già affrontato critiche in precedenza per aver permesso la generazione di immagini storicamente inaccurate e ha quindi ritirato il generatore di immagini AI.
Ora, Google crede di aver trovato un equilibrio migliore. “Vogliamo dare agli utenti un controllo creativo affinché possano ottenere ciò che desiderano dai modelli,” ha affermato Brichtova. “Ma non è un libero sfogo.”
Nelle condizioni di servizio relative all’AI generativa di Google, è vietato generare “immagini intime non consensuali.” Questa tipologia di protezione non sembra essere presente per Grok, che ha consentito la creazione di immagini esplicite generative di celebrità, come Taylor Swift.
Per affrontare l’emergere di immagini deepfake, che possono rendere difficile per gli utenti discernere il reale online, Brichtova ha rivelato che Google applica filigrane visive sulle immagini generate dall’AI, così come identificativi nei loro metadata. Tuttavia, non è detto che qualcuno che scorre immagini sui social media si fermi a cercare questi identificativi.
Per ulteriori dettagli, consulta le fonti ufficiali di Google e le analisi di settore.
Non perderti tutte le notizie di tecnologia su Blog.it