Gemini Omni、動画をテキストや音声などに変換
Googleは、マルチモーダル入力から動画やその他のメディアを生成できるモデル「gemini omni」を発表し、あわせて複雑なエージェントタスク向けの「gemini 3.5 flash」も公開した。
Google I/O 2026では、Gemini Omniのローンチが紹介された。これは、ビデオ、オーディオ、画像、テキストの複合入力を受け取り、根拠のあるビデオコンテンツを生成する新しいモデルファミリーである。Gemini Omni Flashは現在、Google AIのサブスクライバーとYouTubeクリエイターに展開されている。同時に、Googleは、フロンティアレベルのエージェントパフォーマンスと複雑なコーディングタスク向けに設計されたモデルであるGemini 3.5 Flashをリリースした。これは、Google Antigravity、エンタープライズプラットフォーム、および検索の「AIモード」を通じて利用できる。これらのアップデートは、「情報エージェント」などの新しい検索機能と同時に発表された。これは、バックグラウンド推論を実行するものである。また、「Antigravity」搭載のエクスペリエンスは、ユーザーごとにカスタムUIとツールを動的に生成する。