Google AI モデル

テキスト、コード、画像、音声、動画をローカル検索できる、Google DeepMindのオープンウェイト埋め込みモデルです。

大量のテキスト、画像、音声、動画を扱うコーディングや調査向けのGoogleのGemini 4モデル。

表現豊かなナレーション、キャラクターボイス、対話を130言語で生成するGoogleの音声モデルです。

101言語での読み上げ機能や大量の音声制作に向けた、Googleの低コスト音声生成モデルです。

Google のエージェント、ソフトウェア作業、および大規模な混合メディア入力向けの安定した高効率のマルチモーダル モデルを、フラッシュ層のお試し価格で提供します。

Google の多用途画像主力製品は、高速生成、会話型編集、複数の参照、根拠のある画像、および最大 4K の出力を実現します。

Google のプレビュー ビデオ モデルは、最大 4K のネイティブ オーディオおよび出力オプションを備えたテキスト、画像、およびビデオのガイド付き生成を可能にします。

Google の低コスト版 Veo 3.1 は、ネイティブ オーディオと最大 4K の出力オプションを備えた短いビデオ クリップを迅速に作成します。

Google のフラッグシップ音楽モデル。より豊かなアレンジ、表現力豊かなボーカル、構造化された歌詞、詳細なクリエイティブ コントロールを備えた、完成度の高い忠実度の高い曲を実現します。

音声・テキスト・視覚情報を使った応答性の高い会話向けのGoogleのリアルタイム音声モデル。

会話を続けながら複雑なリクエストをバックグラウンドで処理する、独立したGemini音声モデル。

Google のプレビュー オーディオツーオーディオ モデル。マルチモーダルな認識、思考、検索グラウンディング、機能呼び出しを備えた低遅延対話を実現します。

Google DeepMind の研究ワールド モデルは、テキストの説明からリアルタイムで探索できる、写真のようにリアルで制御可能な環境を生成します。

Google Cloud の Gemini 支援パーサー。文書階層を保持し、エンタープライズ検索および RAG 用のコンテキスト豊富なチャンクを作成します。

Google Cloud の Gemini 搭載 Document AI プロセッサーは、ビジネス スキーマで定義されている正確なフィールドと派生値を抽出します。

テキスト、画像、ビデオ、オーディオ、PDF を 1 つの検索可能なベクトル空間に配置するための Google のマルチモーダル埋め込みモデル。

Google Cloud の一般的な音声テキスト変換モデル。多くの言語と地域にわたるストリーミング、ファイル、低コストの動的バッチ文字起こしに使用されます。