作家：赵雨荷三级电影

着手：硬AI

为冒失OpenAI此前推出的浩荡新址品，谷歌周三推出下一代首要东说念主工智能模子Gemini 2.0 Flash，不错原生生成图像和音频，同期因循文本生成。2.0 Flash还不错使用第三方欺诈当作和工作，使其偶而造访谷歌搜索、膨胀代码等功能。

从周三起，2.0 Flash的现实版块将通过Gemini API和谷歌的AI建立平台（AI Studio和Vertex AI）提供。但是，音频和图像生到手能仅对“早期接入合营伙伴”通达，并计较在来岁1月全面推出。

异日几个月内，谷歌示意将推出2.0 Flash的不同版块，用于Android Studio、Chrome DevTools、Firebase、Gemini Code Assist等居品。

第一代Flash（1.5 Flash）只可生成文本，且并未筹商用于荒谬高要求的责任负载。据谷歌称，新版块2.0 Flash模子更具万般性，部分原因是它偶而调用用具（如搜索）并与外部API交互。

谷歌Gemini模子居品清静东说念主Tulsee Doshi示意三级电影，

“咱们知说念，Flash因其在速率和性能上的邃密均衡而备受建立者醉心。在2.0 Flash中，它如故保捏了速率的上风，大奶喵喵酱但当今愈加庞大。”

谷歌宣称，阐发公司里面测试，2.0 Flash在某些基准测试中的启动速率是Gemini 1.5 Pro模子的两倍，并在编码和图像分析等界限“显耀”矫正。事实上，该公司示意，2.0 Flash凭借其更好的数学性能和“事实性”取代了1.5 Pro，成为Gemini的旗舰模子。

正如前文提到的，2.0 Flash不错生成并修改图像，同期因循文本生成。该模子还不错读取相片、视频以及音频录制骨子，从而陈说与这些骨子关联的问题（举例：“他说了什么？”）。

音频生成是2.0 Flash的另一个关节功能，Doshi将其描写为“可操控”和“可定制”。举例，该模子不错用八种针对不同口音和说话优化的声息来朗诵文本。

不外，谷歌并未提供2.0 Flash生成的图像或音频样本，因此无法判断其输出质料与其他模子的比拟。

谷歌示意，它正在使用其SynthID工夫为2.0 Flash生成的总共音频和图像添加水印。在因循SynthID的软件和平台（即部分谷歌居品）上，该模子的输出将被标记为合成骨子。

此举旨在缓解东说念主们对花费的担忧。事实上，“深度伪造”（deepfake）正成为日益严重的恫吓。据身份考证工作Sumsub的数据，从2023年到2024年，各人检测到的深度伪造数目增长了四倍。

2.0 Flash的坐蓐力版块将于来岁1月推出。但与此同期，谷歌推出了一个API，名为Multimodal Live API，以匡助建立者构建具有及时音频和视频流功能的欺诈当作。

通过Multimodal Live API，谷歌示意建立者不错创建具有来自录像头或屏幕音频和视频输入的及时多模态欺诈当作。该API因循用具集成以完成任务，并偶而料理“当然对话方式”，举例打断——与OpenAI的及时API功能相通。

Multimodal Live API已于周三上昼全面通达使用。

更多音尘，捏续更新中

本文来自微信公众号“硬AI”，护理更多AI前沿资讯请移步这里