Google přidává do Gemini Live generování a úpravy obrázků v reálném čase: Jak to funguje a co znamenají novinky z Google I/O 2026

Klíčový rozdíl: Původní nástroj pro generování obrázků v Gemini (založený na 2.5 Flash) nabízel transformace na základě výzvy a nahraného snímku. Novinka v Gemini Live posouvá tuto schopnost do prostředí, kde v reálném čase vidíte předmět a zároveň o něm mluvíte – AI tak reaguje na aktuální vizuální podnět a váš hlas současně .

Jaká technologie za tím stojí

Mozkem celé operace je obrazový model Gemini 2.5 Flash Image, přezdívaný nano-banana, který Google označuje za svůj nejmodernější model pro generování a editaci obrázků . Mezi jeho klíčové schopnosti patří:

• Kombinování více obrázků do jedné kompozice
• Udržení konzistentní podoby postav napříč úpravami, což oceníte při vyprávění příběhů
• Cílené transformace prováděné pomocí běžného jazyka
• Ovládání generování a úprav obrázků pomocí konverzačních pokynů

Tento model je dostupný pro vývojáře přes Gemini API a Google AI Studio a pro firmy přes Vertex AI .

Širší aktualizace Gemini z Google I/O 2026

Na konferenci I/O 2026 Google představil několik zásadních novinek, které přímo navazují na filozofii interaktivní tvorby obsahu:

Gemini Omni – Nový model, který dokáže vytvářet výstupy z různých druhů vstupů, počínaje videem . Google uvádí, že propojuje inteligenci Gemini s generativními mediálními modely, což vede k lepšímu chápání světa, multimodálnosti a možnostem úprav . Podle poznámek k vydání aplikace Gemini Omni proměňuje tvorbu a střih videa v konverzaci – „něco jako Nano Banana pro videa“ – s podporou kombinování textu, fotek a videa . Časem by měl Omni směřovat ke stavu, kdy vytvoří „cokoli z jakéhokoli vstupu“ .

Gemini 3.5 Flash – Stává se novým výchozím modelem pro aplikaci Gemini a AI režim ve Vyhledávání Google . Google uvádí, že generuje odpovědi čtyřikrát rychleji než ostatní modely ve své třídě a je navržen pro agentní úkoly, programování, vícestupňové pracovní postupy a dlouhodobé úlohy . Jde o praktický model, který zvládne náročné úkoly bez zbytečných prodlev. Na benchmarcích překonává i starší model Gemini 3.1 Pro .

Další významná oznámení:

• Gemini Spark – nový osobní agent, který poběží neustále na cloudu a bude za vás řešit úkoly, i když je zařízení vypnuté .
• Největší aktualizace Vyhledávání za 25 let – Google přepracoval způsob, jakým Vyhledávání pracuje s AI, včetně redesignu aplikace Gemini .
• Google Pics – nová aplikace pro úpravu obrázků s pomocí AI, součást ekosystému Workspace .
• Docs Live a Gmail Live – hlasové ovládání pro tvorbu dokumentů a práci s e-maily, kdy stačí „vychrlit“ své myšlenky a AI se postará o zbytek .

Jak si Google stojí v konkurenci multimodální AI

Google sází na jednotné, v reálném čase fungující multimodální potrubí, které propojuje konverzaci, pohled kamery, tvorbu obrázků a videa .

• Obrázky: Gemini Live nyní podporuje přímé generování a úpravy obrázků v rámci živé hlasové konverzace s kamerou .
• Video: Gemini Omni rozšiřuje konverzační model tvorby na video, přičemž vstupem může být text, fotografie i samotné video .
• Myšlení plus mediální generování: Omni podle Googlu spojuje inteligenci modelů Gemini s generativními schopnostmi, takže výsledek není jen náhodný výtvor, ale smysluplná, kontextová reakce na podnět .

Výhoda Googlu na základě těchto oznámení tkví v hloubce integrace: Gemini Live uzavírá smyčku mezi tím, co uživatel právě vidí, a tím, co si přeje vytvořit nebo změnit. Gemini Omni pak stejným způsobem posouvá hranice směrem k videu a dalším multimodálním výstupům . Nadále zůstává otázkou, jak dobře budou tyto integrované funkce fungovat v praxi, až se rozšíří mezi běžné uživatele – prozatím jsou však ukázkou jasného směru, kterým se vývoj ubírá .