Google DeepMind 发布 Gemini Omni 多模态模型

Google DeepMind 正式推出 Gemini Omni，这是一个全新的多模态 AI 模型，能够同时处理文本、图像、音频和视频输入，并生成文本和图像输出。该模型在多个基准测试中表现出色，尤其在跨模态理解任务上达到领先水平。Gemini Omni 旨在为开发者提供统一的 API 接口，简化多模态应用的开发流程。目前，该模型已通过 Google Cloud 的 Vertex AI 平台开放预览，支持实时推理和批量处理。DeepMind 表示，Gemini Omni 将推动搜索、助手、内容创作等领域的创新。