📱 گوگل مدل‌های جدید Imagen 4 و Imagen 4 Ultra رو که برای تبدیل متن به تصویر طراحی شدن، به صورت پیش‌نمایش پولی توی (Gemini API) و برای تست رایگان محدود توی (Google AI Studio) از ۲۴ ژوئن ۲۰۲۵ عرضه کرده.

مدل Imagen 4 می‌تونه توی هر درخواست تا چهار تا تصویر با رزولوشن ۱۰۲۴×۱۰۲۴ تولید کنه و تا ۴۸۰ توکن رو به عنوان ورودی قبول می‌کنه. قیمتش تقریباً برای هر تصویر ۰.۰۴ دلاره، در حالی که نسخه با کیفیت بالاتر، یعنی Imagen 4 Ultra، حدود ۰.۰۶ دلار برای هر تصویر هزینه داره. هر دو نسخه شامل واترمارک‌های (SynthID) هستن و می‌تونن تصاویر رو تقریباً به صورت بلادرنگ (real-time) تولید کنن.

مدل Imagen 4 Ultra تطبیق بهتری با متن ورودی داره و امکان خروجی با رزولوشن ۲K رو هم از طریق (Vertex AI) فراهم می‌کنه.

توسعه‌دهنده‌ها می‌تونن از همون نقطه پایانی (endpoint) تولید که برای مدل‌های Gemini استفاده می‌شه، بهره ببرن و توی دوره پیش‌نمایش می‌تونن درخواست بدن که محدودیت نرخ درخواست‌هاشون بالاتر بره. حد پیش‌فرضش ۲۰ درخواست در دقیقه برای هر پروژه‌ست. کسایی که زودتر این مدل رو تست کردن، توی شبکه اجتماعی (X) مقایسه‌های کنار هم از تصاویر تولیدشده گذاشتن و نشون دادن که این مدل نسبت به Imagen 3 توی تولید متن واضح‌تر و با خطای کمتری عمل می‌کنه.
#هوش_مصنوعی

✈️@mohammad_zammani

📣قابلیت "زیرنویس زنده" در جمینای گوگل؛

تو یه اتفاق هیجان‌انگیز، یه قابلیت جدید تو هوش مصنوعی جمینای گوگل معرفی شده. این ویژگی که "زیرنویس زنده" (Live caption) نام داره، می‌تونه زیرنویس‌های هم‌زمان (real-time) برای پاسخ‌های جمینی تو تعاملات زنده ارائه بده.

✔️این ویژگی برای ناشنوایان و کسانی که در محیط‌های شلوغ از لایو جمینای استفاده میکنند خیلی کاربردی هست.

این نوآوری، هم دسترسی‌پذیری رو حسابی بالا می‌بره و هم تجربه کاربری رو خیلی بهتر می‌کنه.
#هوش_مصنوعی

✈️@mohammad_zammani