Google Gemini Live får realtidsbildgenerering direkt i kameran – så funkar det på Android och iOS

Tekniken bakom

Den underliggande bildmodellen är Gemini 2.5 Flash Image (internt kallad nano-banana), som Google beskriver som sin toppmoderna modell för bildgenerering och redigering . Viktiga färdigheter:

• Blanda flera bilder till en enda komposition
• Behålla karaktärskonsistens över flera redigeringar – perfekt för storytelling
• Göra riktade transformationer med hjälp av naturligt språk
• Använda konversationsprompter för både skapande och redigering

De bredare Gemini-uppdateringarna från Google I/O 2026

Ett flertal stora nyheter från årets I/O-konferens bygger direkt på detta momentum:

Gemini Omni – En ny modell som kan skapa output från olika typer av input, med start i video . Google säger att modellen kombinerar Gemini:s intelligens med företagets generativa mediamodeller för bättre multimodalitet, världsförståelse och redigering . I Gemini-appens release notes beskrivs Omni som ett sätt att göra videoskapande och redigering lika enkelt som en konversation – ”som Nano Banana för video” – med stöd för text, foton och video som underlag . På sikt är tanken att Omni ska kunna skapa ”vad som helst från vilken input som helst” .

Gemini 3.5 Flash – Den nya standardmodellen i Gemini-appen och i ”AI Mode” i Google Sök . Google uppger att den levererar tokens fyra gånger snabbare än andra frontlinjemodeller på samma nivå och är byggd för agentiska uppgifter, kodning, flerstegsflöden och långvariga uppdrag .

Andra viktiga besked:

• Gemini Spark presenterades också som en del av I/O 2026-utbudet .
• Google beskrev sökuppdateringarna som den största förändringen av Search på 25 år .
• En omdesignad Gemini-app visades tillsammans med Gemini 3.5 Flash och Gemini Omni .

Konkurrensposition i det multimodala AI-landskapet

Google positionerar sig kring en enhetlig realtidspipeline som spänner över konversation, kamerainput, bildgenerering och videoskapande .

• Bilder: Gemini Live stöder nu direkt bildgenerering och redigering genom kameradelning i realtid .
• Video: Gemini Omni tar samma konversationsmodell för skapande och redigering till video, med text, foton och video som byggstenar .
• Resonemang plus mediegenerering: Google framhåller att Omni förenar Gemini:s språkintelligens med generativa mediamodeller för multimodal skapelse och finputsning .

Googles fördel, utifrån vad som presenterats, ligger i integrationsdjupet: Gemini Live sluter cirkeln mellan ”visa Gemini vad jag ser” och ”be Gemini att skapa eller redigera något”, medan Omni drar samma konversationsmodell mot video och bredare multimodal produktion . Den stora obesvarade frågan är hur väl dessa integrerade arbetsflöden presterar i praktiken när de rullas ut i större skala .