4月10日讯 谷歌之前在 Google Next 大会上宣布将首次通过其 AI 应用平台 Vertex AI 向公众开放 Gemini 1.5 Pro。
谷歌现已推出 Gemini 1.5 Pro 公共预览版,并借此为其赋予了“耳朵”,从而帮助用户处理音频内容,例如可以直接上传一份音频文件让它来分析,或者上传一份财报电话会议录音或视频来让它总结。
![谷歌推出 Gemini 1.5 Pro 公共预览版,现已支持处理音频插图 谷歌推出 Gemini 1.5 Pro 公共预览版,现已支持处理音频](https://www.moguoai.cn/wp-content/uploads/2024/04/24041034.jpg)
据称,这个 Gemini 系列中定位“中量级”模型的版本在性能上已经超越了自家更大的模型 ——Gemini Ultra。谷歌称,Gemini 1.5 Pro 可以理解复杂的指令,并且无需对模型进行微调。
当然,Gemini 1.5 Pro 目前仅限于 Vertex AI 用户体验,而 Gemini Ultra 则因为 Gemini 聊天机器人的原因为所有 Pro 用户提供服务。不过,尽管 Gemini Ultra 功能更多并且能够理解长指令,但处理速度不如 Gemini 1.5 Pro。
![谷歌推出 Gemini 1.5 Pro 公共预览版,现已支持处理音频插图1 谷歌推出 Gemini 1.5 Pro 公共预览版,现已支持处理音频](https://www.moguoai.cn/wp-content/uploads/2024/04/24041035.jpg)
![谷歌推出 Gemini 1.5 Pro 公共预览版,现已支持处理音频插图2 谷歌推出 Gemini 1.5 Pro 公共预览版,现已支持处理音频](https://www.moguoai.cn/wp-content/uploads/2024/04/24041036.jpg)
实际上,Gemini 1.5 Pro 并非唯一获得更新的谷歌大模型,辅助 Gemini 生成图像的文生图模型 Imagen 2 也将加入图片修复和扩充功能,使用户可以添加或移除图像元素。
据悉,谷歌还为 Imagen 模型的所有图片提供了数字水印功能“SynthID”。简单来说,SynthID 在图像中添加了一个用户不可见的防伪标识,但可以通过检测工具来确认其来源。
值得注意的是,Imagen 的许多新功能,例如图片修复和扩充,已经出现在其他文生图模型中,例如 Stability AI 的 Stable Diffusion 和 Getty 公司的 Generative AI by iStock 上,更不用说最新款三星 Galaxy 手机还有类似的功能。
谷歌表示,他们还将在公开预览中尝试将 AI 响应与谷歌搜索结果结合,以便利用最新情报进行解答。