テクノロジー
Tech Product
Gemini Omni Flash
Overview
最終更新: 2026年6月8日Gemini Omni Flashは、あらゆる形式のデータ（テキスト、画像、動画、音声）を一つのモデルでシームレスに処理することを目指した統合型マルチモーダルモデルである。従来の複数の専門モデルを使い分けるルーティング方式を廃し、単一のAPI構造で高度な生成・編集機能を提供する。動画生成モデルVeoの後継としての役割も担い、パフォーマンスの向上と開発者向けのインフラ簡素化を同時に実現する。
Mentioned Articles
3 件
External Mentions
7 件- arXiv Real-Time Voice AI Hears but Does Not Listen
- arXiv From Text to Voice: A Reproducible and Verifiable Framework for Evaluating Tool Calling LLM Agents
- arXiv TraceAV-Bench: Benchmarking Multi-Hop Trajectory Reasoning over Long Audio-Visual Videos
- arXiv Multimodal Large Language Models as Synthetic Participants in Video-Based Studies: An Evaluation
- arXiv MiniCPM-o 4.5: Towards Real-Time Full-Duplex Omni-Modal Interaction
- arXiv FutureOmni: Evaluating Future Forecasting from Omni-Modal Context for Multimodal LLMs
- arXiv FutureOmni: Evaluating Future Forecasting from Omni-Modal Context for Multimodal LLMs