جمینی ۲.۵ فلش ایمیج: ویرایشگر تصویری هوشمند گوگل که فتوشاپ را به چالش میکشد

جمینی ۲.۵ فلش ایمیج ویرایشگر تصویری هوشمند گوگل که فتوشاپ را به چالش میکشد, گوگل با رونمایی از نسخه پیشرفته ابزار تصویرساز جمینی، که با نام کد نانو بنانا شناخته میشود، قدم بزرگی در عرصه ویرایش عکس با هوش مصنوعی برداشته است. این مدل که به طور فنی ۲.۵ نامگذاری شده، قابلیت ساخت و دستکاری تصاویر را تنها با دستورات متنی یا صوتی برای کاربران فراهم آورده است.

از جایگزینی اشخاص در عکس و تغییر لباسها تا ترکیب عناصر واقعی با پسزمینههای خیالی، طیف وسیعی از عملیات گرافیکی اکنون در عرض ثانیهها و بدون نیاز به تخصص فنی امکانپذیر شده است. انتشار موبایلمحور و تستهای واقعی این قابلیت در حال حاضر به صورت رسمی و اختصاصی از طریق اپلیکیشن موبایل جمینی در دسترس است و نسخه وب هنوز از تمام ویژگیهای جدید پشتیبانی کامل نمیکند.

عکس پورتریه از خود و یک عکس جداگانه از دو صندلی به جمینی داد و درخواست کرد تا او را بر روی صندلی قرمز بنشاند.

نتیجه فراتر از انتظار بود هوش مصنوعی نه تنها شخص را با پرسپکتیو صحیح در صندلی قرار داد، بلکه دست و پاها را که در عکس اصلی قابل مشاهده نبودند، به صورت طبیعی ساخت. حتی لوگوی تیشرت که تنها به صورت ناقص دیده میشد، به طور کامل بازسازی گردید.

زیر خلاصه کرده است ترکیب تصاویر قرار دادن خودتان در کنار حیوان خانگی، در مکانهای جغرافیایی مختلف یا در محیطهای داخلی.

حذف و جایگزینی اشیاء پاک کردن اشیاء ناخواسته (مانند مجسمهها) و بازسازی بافت و سایههای پسزمینه به صورت هوشمند. تغییر پوز و ظاهر اصلاح حالت ایستادن، تغییر لباس، اکسسوریها و جزئیات ظاهری. تبدیل عکس به ویدیو آپلود مجدد عکس ویرایش شده برای تولید کلیپهای کوتاه متحرک. سرعت، پردازش ابری و واترمارک تمام محاسبات در فضای ابری انجام میشود و تصاویر با کیفیت بالا در عرض چند ثانیه تولید میگردند.

این سرعت، ابزار را به رقیب جدی برای نرمافزارهای سنتی مانند فتوشاپ تبدیل کرده، چرا که کارهای زمانبر ساعتها را به ثانیهها تقلیل میدهد. برای مقابله با سوءاستفادهها، گوگل تکنولوژی واترمارک نامرئی را در تصاویر خروجی گنجانده است تا تشخیص محتوای تولیدشده توسط هوش مصنوعی امکانپذیر باشد. محدودیتهای امنیتی و فیلترهای محتوا سیستم حفاظتهای لازم برای جلوگیری از تولید محتوای غیرقانونی، پورنوگرافیک یا فریبنده دارد.

اگرچه تولید تصاویر برخی چهرههای تاریخی حساس (مانند هیتلر) با دشواری روبروست، اما برای سلبریتیهای معاصر مانند تیلور سوئیفت یا دونالد ترامپ محدودیت خاصی وجود ندارد. گوگل تأکید کرده که این نسخه موقت است و بهبودهای امنیتی و کیفی مداوم در دستور کار قرار دارد.

قیمتگذاری برای توسعهدهندگان و شراکتها این مدل از طریق API جمینی، Google AI و AI با تعرفه ۳۰ دلار به ازای هر یک میلیون توکن خروجی (معادل حدود ۰.۰۳۹ دلار برای هر تصویر) در دسترس توسعهدهندگان قرار گرفته است. گوگل همچنین با پلتفرمهایی نظیر و برای گسترش دسترسی همکاری نموده است.

با توجه به قدرت پردازش، درک بافت تصویر و سرعت اجرا، جمینی ۲.۵ فلش ایمیج به عنوان یکی از قویترین ابزارهای طراحی عکس مبتنی بر LLM در برابر رقبا مانند اوپنایآی و گرفته و آینده ویرایش گرافیکی را در دستان کاربران عادی قرار داده است.