Google 推出 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
Google DeepMind 推出 Gemini Omni 1.2 Flash，并在 Gemini API 与 Gemini for business 上全面开放。
推荐理由：原文给出时长、价格与多轮编辑能力变化，读者可据此评估视频生成工作流的成本与可用边界。
技术方向
多模态 最新动态
文字之外的能力：看懂图片、图文混合理解、音视频输入输出的模型与产品进展。
2 条精选近 30 天 2 条共收录 4 条
更新
多模态的精选
Google DeepMind精选AI 评分6262
Hugging Face Blog精选AI 评分7474 IBM 发布 Palette：训练 20B 开源模型按你的设计语言生成幻灯片
IBM Research 发布 Palette，用一个 20B 开源模型生成符合指定设计语言的演示文稿。它把任务拆成设计师和编码器两个角色，由单一 LoRA 适配器服务；设计师产出结构化 JSON 简报，编码器为每页写 pptxgenjs 代码，编码阶段并行运行约快 6–7 倍。
推荐理由：IBM 公开 20B 开源模型 Palette 的数据合成、训练与检查修复方法，为可自托管的演示文稿生成给出可迁移路径。