جمینی ۲.۵ فلش ایمیج ویرایشگر تصویری هوشمند گوگل که فتوشاپ را به چالش میکشد, گوگل با رونمایی از نسخه پیشرفته ابزار تصویرسازی جمینی، که با نامکد نانو بنانا شناخته میشود، قدم بزرگی در عرصه ویرایش عکس با هوش مصنوعی برداشته است. این قابلیت که به صورت فنی تحت عنوان ۲.۵ عرضه شده، امکان دستکاری و ساخت تصاویر را تنها با دستورات متنی یا صوتی برای کاربران فراهم میآورد.

از جملی قابلیتهای بارز میتوان به جایگزینی اشخاص در عکس، تغییر پوشش پوشاک، ترکیب عناصر از تصاویر مختلف و ساخت بکگراندهای کاملاً جدید اشاره کرد. دسترسی و نحوه عملکرد ابزار جدید در حال حاضر این ویژگی به طور رسمی تنها از طریق اپلیکیشن موبایل جمینی در دسترس است و نسخه وب هنوز از تمام امکانات جدید پشتیبانی نمیکند.

و تحویل میدهد. دقت شگفتانگیز در جزئیات تجربه واقعی یک خبرنگار اورام پیلچ، سردبیر سایت، این ابزار را با سناریوهای پیچیده آزمایش کرد.

او عکس بالاتنه خود و یک عکس جداگانه از دو صندلی را به جمینی داد و خواستار قرار دادن خود بر روی صندلی قرمز شد. نتیجه حیرتانگیز بود هوش مصنوعی نه تنها او را در صندلی جایگذاری کرد، بلکه دست و پایی که در عکس اصلی قابل مشاهده نبودند را با دقت آناتومیک ساخت، لوگوهای ناقص روی تیشرت را تکمیل نمود و سایهگذاری را با محیط جدید هماهنگ ساخت.

مجسمهها) از پسزمینه را با پر کردن هوشمندانه فضای خالی نشان داد؛ به طوری که سایه درختی به صورت طبیعی گسترش یافت.

همچنین انتقال شخص به مکانهای کاملاً متفاوت مانند پیش روی اهرامهای مصر، با اصلاح پوز بدنی برای هماهنگی با محیط جدید، از دیگر قابلیتهای نمایش داده شده است. سرعت پردازش در حد چند ثانیه، این ابزار را به رقیب جدی برای نرمافزارهای سنتی مانند فتوشاپ تبدیل کرده است. امکانات تکمیلی از عکس ثابت به ویدیو چهارچوب کاربری به ویرایش عکس محدود نمیشود.

پس از انجام تغییرات، میتوان عکس نهایی را مجدداً به جمینی داد و درخواست تبدیل آن به یک ویدیو کوتاه کرد. این ویژگی برای تولید محتوای شبکههای اجتماعی و بازاریابی دیجیتال پتانسیل بسیار بالایی دارد. معماری امنیتی و واترمارک گوگل برای مقابله با سوءاستفادهها و دیپفیکها، فناوری واترمارک نامرئی را در پیکسلهای تصاویر تولید شده گنجانده است. این لایه امنیتی امکان تشخیص محتوای ساخته شده توسط هوش مصنوعی را فراهم میآورد.

اگرچه فیلترهای امنیتی برای جلوگیری از تولید محتوای پورنوگرافیک و خشونت فعال هستند، اما گزارشها نشان میدهد محدودیتهای مربوط به شخصیتهای عمومی (مانند تیلور سوئیفت یا دونالد ترامپ) نسبت به انتظارها شلتر است. مدل قیمتگذاری و دسترسی برای توسعهدهندگان این مدل از طریق API جمینی، Google AI و AI با هزینه ۳۰ دلار به ازای هر یک میلیون توکن خروجی عرضه شده است (هر تصویر تقریبا معادل ۱۲۹۰ توکن یا ۰.۰۳۹ دلار).

گوگل این نسخه را موقت توصیف کرده و وعده بهبودهای آینده داده است. همچنین با شراکتهایی نظیر و برای گسترش دسترسی به این فناوری توافق کرده است. جمعبندی نقطه عطف در ویرایش بصری جمینی ۲.۵ فلش ایمیج نشان میدهد که هوش مصنوعی مولد ( AI) از مرحله ساخت عکس از صفر فراتر رفته و اکنون در سطح ویرایش پیشرفته، ترکیب لایهها و درک فضایی قرار دارد.

این ابزار اگرچه هنوز به کمال نرسیده، اما با سرعت، دقت و درک زبان طبیعی، ì کاری گرافیستها و طراحان را به طور بنیادین در حال تغییر دادن است.