Google Gemini Live rivoluziona la creatività: generazione e modifica di immagini in tempo reale con la fotocamera

Cosa ha aggiunto Google a Gemini Live

Google ha introdotto la generazione e modifica di immagini in tempo reale direttamente all'interno di Gemini Live, la sua modalità di intelligenza artificiale conversazionale . Durante una conversazione vocale, puoi attivare la condivisione della fotocamera, inquadrare un soggetto e dare istruzioni in linguaggio naturale per creare o modificare immagini al volo . Il risultato viene generato o modificato direttamente nell'esperienza Live .

Come funziona su Android e iOS

• Android: Puoi usare il flusso di condivisione della fotocamera di Gemini Live per mostrare all'IA un soggetto e chiedere la creazione o la modifica di un'immagine parlando normalmente . La capacità più ampia di generazione immagini di Gemini è alimentata da Gemini 2.5 Flash Image, conosciuto anche come "nano-banana" .
• iOS: La stessa funzionalità di base di Gemini Live è descritta come condivisione della fotocamera più generazione o modifica conversazionale in tempo reale, anche se il materiale disponibile non fornisce un flusso di lavoro specifico separato per iOS .

La differenza fondamentale: le esistenti capacità di generazione e modifica immagini tramite Gemini 2.5 Flash Image supportano trasformazioni basate su prompt e immagini, mentre la nuova integrazione in Gemini Live porta quel ciclo di creazione/modifica in una conversazione vocale con supporto visivo in tempo reale .

La tecnologia alla base

Il modello di immagini sottostante è Gemini 2.5 Flash Image, soprannominato nano-banana, che Google descrive come il suo modello di generazione e modifica immagini più avanzato . Le capacità principali includono:

• Fondere più immagini in una singola composizione
• Mantenere la coerenza dei personaggi attraverso le modifiche, ideale per lo storytelling visivo
• Effettuare trasformazioni mirate usando il linguaggio naturale
• Applicare flussi di lavoro di generazione e modifica immagini tramite prompt conversazionali

Le novità Gemini più ampie annunciate al Google I/O 2026

Diverse importanti presentazioni al Google I/O 2026 costruiscono direttamente su questo slancio:

Gemini Omni — Un nuovo modello che può creare output a partire da diversi tipi di input, a cominciare dai video . Google afferma che combina l'intelligenza di Gemini con i suoi modelli generativi multimediali per un miglioramento della multimodalità, della comprensione del mondo e del montaggio . Le note di rilascio dell'app Gemini descrivono Omni come uno strumento per rendere la creazione e la modifica video simili a una conversazione, "come Nano Banana per i video", con supporto per la combinazione di testo, foto e video . Nel tempo, Google prevede che Omni sia in grado di creare "qualsiasi cosa da qualsiasi input" .

Gemini 3.5 Flash — Il nuovo modello predefinito per l'app Gemini e la "Modalità AI" di Google Search . Google dichiara che genera token quattro volte più velocemente di altri modelli di frontiera nella sua categoria ed è progettato per compiti agentici, codice, flussi di lavoro in più fasi e attività a lungo termine .

Altri annunci degni di nota:

• Gemini Spark è stato anch'esso parte del set di annunci del Google I/O 2026 .
• Google ha posizionato gli aggiornamenti alla Ricerca come il più grande upgrade in 25 anni .
• Google ha anche evidenziato un'app Gemini ridisegnata insieme a Gemini 3.5 Flash e Gemini Omni .

Posizione competitiva nel panorama dell'IA multimodale

Il posizionamento di Google è incentrato su una pipeline multimodale unificata in tempo reale attraverso conversazione, input della fotocamera, generazione di immagini e creazione video .

• Immagini: Gemini Live ora supporta la generazione e modifica diretta di immagini tramite condivisione della fotocamera in una conversazione in tempo reale .
• Video: Gemini Omni estende l'idea di creazione/modifica conversazionale al video, con testo, foto e video come input .
• Ragionamento più generazione multimediale: Google afferma che Omni combina l'intelligenza di Gemini con i suoi modelli generativi multimediali per la creazione e modifica multimodale .

Il vantaggio di Google, sulla base di questi annunci, è la profondità di integrazione: Gemini Live chiude il cerchio tra "mostra a Gemini ciò che vedo" e "chiedi a Gemini di creare o modificare qualcosa", mentre Gemini Omni spinge lo stesso modello conversazionale verso il video e output multimodali più ampi . La domanda chiave che rimane è quanto bene questi flussi di lavoro integrati funzioneranno nella pratica man mano che saranno distribuiti più ampiamente .