Google превратила Gemini Live в художника в реальном времени: как это работает и что это значит

Что Google добавила в Gemini Live

Google запустила функцию прямой генерации и редактирования изображений в реальном времени внутри Gemini Live — своего разговорного ИИ-режима . Теперь вам не нужно переключаться между приложениями: во время живого общения с ассистентом достаточно активировать демонстрацию камеры и навести ее на объект. Вы просто говорите, что хотите создать или изменить, и результат появляется прямо на экране в процессе разговора .

Раньше для работы с изображениями в Gemini приходилось набирать текстовые запросы или загружать файлы. Теперь это можно делать голосом и в моменте — словно вы обсуждаете творческую задачу с живым дизайнером, который сразу вносит правки .

Как это работает на Android и iOS

Android. Пользователи могут войти в Gemini Live, запустить потоковую передачу видео с камеры и показать ИИ любой предмет. После этого достаточно дать голосовую команду — например: «Сделай фон за этим стулом в стиле киберпанк» или «Преврати этот набросок в акварельный рисунок». За обработку отвечает модель Gemini 2.5 Flash Image, также известная под кодовым названием nano-banana . Она обеспечивает не только создание изображений с нуля, но и продвинутые трансформации: смешивание нескольких фотографий, сохранение лиц персонажей при редактировании, точечные изменения по текстовому описанию .

iOS. Та же ключевая возможность описана и для владельцев iPhone: режим Live с камерой плюс генерация и редактирование картинок прямо в диалоге . Отдельного рабочего процесса только для iOS в открытых источниках пока не опубликовано, но функциональность идентична: навел камеру — сказал — получил результат.

Принципиальное отличие от прежних версий в том, что существовавшая ранее генерация изображений через модель Gemini 2.5 Flash Image работала по текстовым или графическим запросам вне режима Live. Новая интеграция переносит тот же творческий процесс в живую голосовую беседу с включенной камерой .

Технология, стоящая за функцией

Сердце обновления — модель Gemini 2.5 Flash Image, которую разработчики из Google DeepMind называют своей самой совершенной генеративно-редактирующей ИИ-системой . Ее ключевые возможности:

• Смешивание нескольких изображений в единую композицию .
• Сохранение визуального сходства персонажа при многошаговом редактировании, что критически важно для комиксов или сторителлинга .
• Точечные изменения вроде «убери этот объект» или «измени цвет одежды» на естественном языке .
• Использование «мировых знаний» Gemini для понимания контекста — например, модель знает, как обычно выглядят те или иные предметы или сцены, и генерирует более правдоподобные результаты .

Вся эта мощь теперь доступна не в текстовом поле, а прямо в разговоре, что для пользователя означает: вы видите объект, говорите, что нужно изменить, и буквально через секунду видите готовое изображение .

Более широкие обновления Gemini на Google I/O 2026

На конференции для разработчиков Google I/O 2026 компания представила несколько продуктов, которые развивают ту же идею «творчества в реальном времени».

Gemini Omni — «Nano Banana для видео»

Главная звезда презентации — Gemini Omni. Если nano-banana умеет создавать и редактировать картинки, то Omni делает то же самое с видео. Google называет это моделью, которая «может создать что угодно из чего угодно — начиная с видео» .

Как это выглядит на практике:

• Вы можете загрузить текст, фото, аудио или другой видеоролик — Omni превратит их в единый видеоклип, основанный на понимании реального мира .
• Редактирование происходит через чат: «Замени персонажа», «Сделай так, чтобы скульптура была из пузырей», «Подстрой освещение» — и модель вносит правки, сохраняя физику сцены и внешность героев .
• Omni умеет переносить ваше лицо и голос в сгенерированный ролик с помощью аватара .
• Каждый результат маркируется цифровым водяным знаком SynthID .

Первая версия — Gemini Omni Flash — уже доступна подписчикам Google AI Plus, Pro и Ultra в приложении Gemini, а также бесплатно в YouTube Shorts и YouTube Create .

Gemini 3.5 Flash — скорость и мышление для сложных задач

Еще один флагманский анонс — модель Gemini 3.5 Flash, которая стала стандартной «рабочей лошадкой» в приложении Gemini и режиме AI Mode в Google Поиске . Google утверждает, что она выдает токены в четыре раза быстрее других передовых моделей своего класса и заточена под агентные задачи: многошаговое программирование, использование инструментов, долгосрочные проекты .

По бенчмаркам Gemini 3.5 Flash обходит предыдущую модель 3.1 Pro в кодинге и многозадачности, а также конкурирует с GPT-5.5 и Claude Opus 4.7 в сценариях финансового анализа и сложных цепочек действий . Модель поддерживает 1 млн токенов контекста и до 65 тыс. токенов на выходе, что сравнимо с объемом «Войны и мира» .

Другие важные новинки

• Переработанный интерфейс Gemini. Приложение получило новый дизайн «Neural Expressive», при котором ответы ИИ обогащаются встроенными изображениями, видео и таймлайнами сразу после запроса .
• Gemini Spark — персональный ИИ-агент, способный работать в фоновом режиме 24/7 и выполнять действия от имени пользователя .
• Обновление Поиска. Google назвала его крупнейшим за 25 лет — режим AI Mode стал основным способом взаимодействия .

Как Google позиционирует себя в мультимодальной гонке ИИ

Стратегия Google строится на едином конвейере реального времени, который объединяет несколько ключевых элементов:

• Изображения. Gemini Live теперь поддерживает прямую генерацию и редактирование через разговор с камерой .
• Видео. Gemini Omni переносит ту же модель диалогового творчества на создание и монтаж роликов из текста, фото и видео .
• Интеллект плюс медиа. Omni совмещает глубокое понимание мира Gemini с продвинутыми генеративными моделями, что позволяет делать физически достоверные сцены и редактировать их без полной перегенерации .

Главное конкурентное преимущество Google на данный момент — глубина интеграции. Gemini Live закрывает петлю «покажи, что видишь — попроси создать или изменить», а Gemini Omni развивает тот же подход в сторону видео и более широкой мультимодальности . Это переход от разрозненных ИИ-инструментов к единому пространству, где можно творить голосом, камерой и текстом, не переключаясь между сервисами.

Ключевой вопрос, который остается открытым: насколько хорошо эти интегрированные сценарии будут работать в реальных условиях по мере массового развертывания. Но уже сейчас очевидно, что Google делает ставку не на отдельные «фишки», а на переосмысление самого процесса творческого взаимодействия человека с ИИ .