Modele AI Google

Model generowania mowy Google do ekspresyjnej narracji, głosów postaci i dialogów w 130 językach.

Tańszy model generowania mowy Google do odczytywania tekstu i masowej produkcji audio w 101 językach.

Stabilny, wysokowydajny model multimodalny Google do zastosowań agentów, pracy z oprogramowaniem i dużych danych wejściowych z różnych multimediów w początkowej cenie warstwy Flash.

Wszechstronny moduł obrazu Google do szybkiego generowania, edycji konwersacyjnej, wielu odniesień, ugruntowanych obrazów i wyników do 4K.

Podgląd modelu wideo Google do generowania tekstu, obrazu i wideo z natywnym dźwiękiem i opcjami wyjściowymi do 4K.

Tańszy wariant Veo 3.1 Google do szybkiego tworzenia krótkich klipów wideo z natywnym dźwiękiem i opcjami wyjściowymi do 4K.

Flagowy model muzyczny Google zapewniający kompletne utwory o wysokiej jakości z bogatszymi aranżacjami, wyrazistym wokalem, uporządkowanymi tekstami i szczegółową kontrolą kreatywną.

Model głosowy Google do płynnych rozmów w czasie rzeczywistym z dźwiękiem, tekstem i kontekstem wizualnym.

Osobny model głosowy Gemini, który przetwarza złożone prośby w tle, podtrzymując rozmowę.

Model Google typu audio-to-audio umożliwiający dialog o niskim opóźnieniu ze świadomością multimodalną, myśleniem, uziemieniem wyszukiwania i wywoływaniem funkcji.

Model świata badawczego Google DeepMind do generowania fotorealistycznych, kontrolowanych środowisk, które można badać w czasie rzeczywistym na podstawie opisu tekstowego.

Analizator składni Google Cloud wspomagany przez Gemini do zachowywania hierarchii dokumentów i tworzenia fragmentów bogatych w kontekst na potrzeby wyszukiwania korporacyjnego i RAG.

Procesor AI oparty na technologii Gemini firmy Google Cloud do wyodrębniania dokładnych pól i wartości pochodnych zdefiniowanych w schemacie biznesowym.

Multimodalny model osadzania Google do umieszczania tekstu, obrazów, wideo, audio i plików PDF w jednej przeszukiwalnej przestrzeni wektorowej.

Ogólny model zamiany mowy na tekst Google Cloud do przesyłania strumieniowego, plików i taniej dynamicznej transkrypcji wsadowej w wielu językach i regionach.