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

Co Google přidal do Gemini Live

Google do svého konverzačního režimu Gemini Live integroval přímé generování a úpravy obrázků v reálném čase . Zatímco si s asistentem normálně povídáte, můžete aktivovat sdílení kamery, namířit telefon na nějaký objekt a přirozenou řečí mu zadat, aby obrázek vytvořil nebo upravil. Výsledný snímek se objeví rovnou v rámci konverzace .

Nejde tedy o to, že byste museli přepínat mezi textovým chatbotem a grafickým editorem – tvorba probíhá jako součást plynulého hlasového dialogu.

Jak to funguje na Androidu a iOS

Základní princip je na obou platformách stejný. Vyvoláte Gemini Live, spustíte sdílení kamery a pomocí slovních pokynů sdělíte, co přesně chcete vytvořit nebo změnit. Rozdíl oproti starším verzím je ten, že dříve jste museli obrázky generovat přes textové zadání, zatímco teď je celý proces součástí živé hlasové konverzace .

• Android: Uživatelé přistupují k funkci skrze přímé sdílení kamery v Gemini Live a formulují požadavky hlasem. Generování obrázků se opírá o model Gemini 2.5 Flash Image, známý též jako „nano-banana“ .
• iOS: K dispozici je totožná funkcionalita, tedy sdílení kamery a konverzační tvorba či úpravy obrázků. Podrobný popis odlišného pracovního postupu pro iOS však dostupné zdroje neuvádějí – uživatelská zkušenost je záměrně jednotná .

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 .

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 .