Gemini Live тепер створює та редагує фото на льоту: деталі нових можливостей від Google

iOS. Логіка та сама: спільний доступ до камери плюс розмовне редагування . Водночас у проаналізованих джерелах немає окремої технічної інструкції саме для iOS, тож, найімовірніше, інтерфейс уніфікований.

Головна відмінність від попередніх версій: раніше генерація і редагування через Gemini 2.5 Flash Image відбувалися за принципом «промпт → результат», а тепер цей цикл вбудований безпосередньо в голосовий діалог із камерою .

Яка технологія за цим стоїть

Базова модель — Gemini 2.5 Flash Image, яку в Google називають своєю найкращою моделлю для генерації та редагування зображень . Серед її можливостей:

• поєднання кількох зображень в одне ціле ;
• збереження сталості персонажів при серійних редагуваннях, що важливо для сторітелінгу ;
• точкові трансформації за допомогою природної мови («заміни фон», «зміни зачіску» тощо) ;
• робота в режимі розмовних підказок, що й лягло в основу оновленого Gemini Live .

Модель доступна через Gemini API, Google AI Studio для розробників та Vertex AI для корпоративних клієнтів .

Ширші оновлення Gemini на Google I/O 2026

Конференція I/O 2026 принесла кілька важливих анонсів, які суттєво розширюють екосистему Gemini:

Gemini Omni. Нова модель, здатна створювати контент із будь-якого типу вхідних даних — поки що з акцентом на відео. За задумом Google, Omni поєднує інтелект Gemini з найкращими генеративними медіамоделями для глибшого розуміння світу, мультимодальності та редагування . У нотатках до застосунку його описують як «nano-banana для відео» — тобто звичне розмовне створення та зміну контенту перенесли на відеоролики .

Gemini 3.5 Flash. Відтепер це модель за замовчуванням для застосунку Gemini та AI Mode у Google Пошуку . Google стверджує, що вона видає токени в чотири рази швидше за інші передові моделі свого рівня, а також оптимізована для «агентних» завдань — кодингу, багатокрокових робочих процесів і тривалих задач .

Інші важливі анонси:

• Gemini Spark — ще одна модель із лінійки I/O 2026 .
• Оновлення Пошуку компанія назвала найбільшим за 25 років .
• Оновлений дизайн застосунку Gemini — новий інтерфейс разом із запуском Gemini 3.5 Flash та Omni .

Як це позиціонує Google на ринку мультимодального ШІ

Google робить ставку на єдиний, безшовний пайплайн реального часу: розмова, камера, генерація зображень і створення відео об’єднані в одному середовищі .

• Зображення: Gemini Live тепер підтримує пряме генерування та редагування знімків через голосовий діалог і камеру .
• Відео: Gemini Omni переносить цю саму логіку на відео, приймаючи на вхід текст, фото чи інші відео .
• Поєднання мислення та генерації: Omni об’єднує аналітичні здібності Gemini з генеративними медіамоделями, що дає змогу не просто створювати, а й «розуміти» фізику та контекст сцени .

Ключова перевага Google, виходячи з цих анонсів, — глибина інтеграції. Gemini Live замикає цикл «показати — обговорити — створити/відредагувати», а Omni розширює цю модель на відео та інші формати. Головне питання тепер — наскільки якісно ці зв’язки працюватимуть у реальних сценаріях, коли функції стануть доступними ширшій аудиторії .