5 Minuty
Google má novou vizi pro budoucnost tvorby videa, a nejde o další časovou osu plnou vrstev, klíčových snímků a drobných nástrojů. Jde o konverzaci. Na Google I/O 2026 společnost představila Gemini Omni, nový systém umělé inteligence (AI) navržený tak, aby téměř jakýkoli vstup přeměnil na video, ať už jde o textový prompt, statický snímek, hlasový klip nebo existující video soubor.
První verze, nazvaná Gemini Omni Flash, cílí přímo na rychlou a flexibilní generaci videí. Google ji zavádí napříč aplikací Gemini, Google Flow, YouTube Shorts a YouTube Create, přičemž širší přístup pro vývojáře a podnikové uživatele se očekává později. To samo o sobě dělá uvedení důležitým. Nejde o okrajový experiment. Google ji vkládá do produktů, které lidé už používají.
Co dělá Gemini Omni ambicióznějším než běžný generátor videa založený na umělé inteligenci, je způsob, jakým má Google v úmyslu, aby s ním lidé pracovali. Společnost umisťuje nástroj méně jako software a více jako kreativního spolupracovníka. Místo manuální editace scén mohou uživatelé požadovat změny v přirozeném jazyce a krok za krokem výsledek upravovat. Podle vize Googlu obvyklé tření ve výrobě videa začíná ustupovat do pozadí.
Upravy mluvením, ne klikáním
Tady se oznámení stává zajímavým. Google říká, že Gemini Omni je navržena tak, aby zachovala kontinuitu při úpravách projektu pomocí příkazů v přirozeném jazyce. To znamená, že postavy by měly zůstat vizuálně konzistentní, scény by se mezi úpravami neměly rozpadat a pohyb by měl zůstávat věrohodný, místo aby se při každé změně promptu znovu spouštěl v podivných nebo rozbitých podobách.
Je to známý problém v generativních médiích. Mnoho nástrojů založených na umělé inteligenci dokáže na první pokus vytvořit působivý záběr, ale jakmile uživatel požádá o druhé kolo úprav, scénář se může rozpadnout. Google se očividně snaží tuhle slabinu vyřešit. Společnost tvrdí, že Gemini Omni má lepší porozumění tomu, jak se objekty pohybují ve skutečném světě, včetně pohybu, gravitace a fyzické interakce. V praxi to může znamenat detaily jako zrcadlo vlnící se jako kapalina při dotyku nebo socha, která se chová, jako by byla z bublin, aniž by celá scéna ztratila soudržnost.
To je důležité, protože skutečný souboj v oblasti videa generovaného umělou inteligencí už není jen o surové schopnosti. Jde o použitelnost. Kdo dokáže udělat nástroje natolik přirozené, že se k nim běžní tvůrci, marketéři, malé firmy a příležitostní uživatelé budou skutečně rádi vracet? Odpověď Googlu, alespoň zatím, je jednoduchá: nechte lidi řídit video tak, jak mluví.
Gemini Omni nevznikla z ničeho. Staví na dřívější práci Googlu v oblasti vizuálů generovaných umělou inteligencí, zejména na pokrocích v zobrazování představených modelem Nano Banana v roce 2025. Ten model rozšířil vizuální nástroje Gemini a našel praktické využití, od obnovy starých rodinných fotografií až po přeměnu hrubých skic na vyčištěné koncepty. Gemini Omni bere tuto kreativní logiku a natahuje ji na pohyblivé obrazy.
A Google na video nekončí. Společnost uvádí, že budoucí verze Gemini Omni budou podporovat komplexnější projekty, které sjednotí fotky, textové prompty, hudbu a referenční záběry do jediného pracovního postupu. Pokud se tento plán potvrdí, nástroj by se mohl vyvinout z generátoru videa do širšího mediálního studia založeného na umělé inteligenci.
Problém důvěry nezmizí
Přes veškerý kreativní potenciál se Google také pouští do stejného nepříjemného prostoru, který řeší každá významná společnost pracující s umělou inteligencí, a tím je důvěra. Čím přesvědčivější se syntetická média stanou, tím těžší je ignorovat související rizika. Google uvádí, že videa vytvořená pomocí Gemini Omni budou obsahovat vodotisk SynthID, jeho systém pro označování obsahu vytvořeného umělou inteligencí. Společnost také plánuje rozšířit nástroje pro ověřování napříč Gemini, Chrome a Search v rámci širšího tlaku na transparentnost.
Jinde panuje také opatrnost. Raní uživatelé budou moci vytvořit video avatary založené na sobě, včetně vlastního hlasu, ale pokročilejší funkce úpravy hlasu se stále vyhodnocují. Toto váhání vypovídá mnoho. Technologie může postupovat rychle, ale společenské a bezpečnostní otázky jdou s ní ruku v ruce.
Takže ano, Gemini Omni je o kreativitě. Je to také o kontrole, autentičnosti a o tom, zda generované video může být užitečné, aniž by působilo znepokojujícím dojmem. Google se zdá chápat, že vybudování výkonného modelu je jen polovina práce. Obtížnější je získat důvěru lidí v to, co model vytváří, a v to, jak je používán.
Přesto je směr jasný. Google chce, aby tvorba videa působila méně jako ovládání softwaru a více jako tvarování nápadu v reálném čase. Pokud Gemini Omni naplní i část tohoto slibu, tradiční editační nástroje nemusí zmizet přes noc, ale mohou začít působit mnohem méně neodvratně.
Zanechte komentář