Google એ Nano Banana 2 Lite અને Gemini Omni Flash API લોન્ચ કર્યા

Google એ લેટન્સી (latency) ઘટાડવા અને સિનેમેટિક સર્જનાત્મકતાને અનલોક કરવા માટે ડિઝાઇન કરાયેલા બે શક્તિશાળી નવા મોડલ્સના રિલીઝ સાથે તેના જનરેટિવ AI ઇકોસિસ્ટમનો વિસ્તાર કર્યો છે. હાઇ-સ્પીડ ઇમેજ જનરેશન માટે Nano Banana 2 Lite અને વિડિયો સિન્થેસિસ માટે Gemini Omni Flash રજૂ કરીને, Google ડેવલપર્સને સ્થિર (static) ખ્યાલોથી લઈને ગતિશીલ મીડિયા સુધી પહોંચવા માટે એક સુવ્યવસ્થિત પાઇપલાઇન પૂરી પાડી રહ્યું છે.

Nano Banana 2 Lite: હાઇ-થ્રુપુટ ઇમેજ જનરેશન

Google Nano Banana 2 Lite (જેને ટેકનિકલી API માં gemini-3.1-flash-lite-image તરીકે ઓળખવામાં આવે છે) ના લોન્ચ સાથે ઝડપ અને ખર્ચ-કાર્યક્ષમતા માટેની ડેવલપરની માંગને લક્ષ્ય બનાવી રહ્યું છે. આ મોડલ ઝડપી વિચારધારા (ideation) અને હાઇ-વોલ્યુમ પ્રોડક્શન પાઇપલાઇન્સ માટે ખાસ બનાવવામાં આવ્યું છે, જે માત્ર ચાર સેકન્ડમાં 1K રિઝોલ્યુશન ધરાવતી ઇમેજ જનરેટ કરવામાં સક્ષમ છે.

પ્રતિ ઇમેજ $0.034 ના ભાવ સાથે, Nano Banana 2 Lite વિશાળ ઇમેજ-જનરેશન વર્કફ્લો ચલાવતી કંપનીઓ માટે નોંધપાત્ર આર્થિક લાભ આપે છે. તેની ઓપ્ટિમાઇઝ્ડ ઝડપ હોવા છતાં, Google નો દાવો છે કે આ મોડલ પ્રોમ્પ્ટ ફોલોઇંગ, કેરેક્ટર ક consistancy (સુસંગતતા) અને ટેક્સ્ટ વાંચનક્ષમતા માટે ઉચ્ચ ધોરણો જાળવી રાખે છે. આ મોડલ ત્રણ-સ્તરીય શ્રેણીને પૂર્ણ કરે છે:

  • Nano Banana 2 Lite: અત્યંત ઝડપ અને ઓછા ખર્ચ પર ધ્યાન કેન્દ્રિત કરે છે.
  • Nano Banana 2 (Gemini 3.1 Flash Image): બહુમુખી "ઓલ-રાઉન્ડર".
  • Nano Banana Pro (Gemini 3.1 Pro Image): પ્રોફેશનલ-ગ્રેડ રિઝનિંગ અને જટિલ નિયંત્રણ માટે ડિઝાઇન કરવામાં આવ્યું છે.

આ મોડલ માત્ર ડેવલપર્સ માટે જ નથી; તેને Google Search (AI Mode), NotebookLM, Google Photos અને Google Ads સહિત સમગ્ર Google ઇકોસિસ્ટમમાં ઇન્ટિગ્રેટ કરવામાં આવી રહ્યું છે.

Gemini Omni Flash: API માં વિડિયો લાવવો

Google I/O માં તેના પ્રિવ્યુ પછી, Gemini Omni Flash હવે Gemini API અને Google AI Studio દ્વારા સત્તાવાર રીતે ઉપલબ્ધ છે. આ મોડલ મલ્ટિમોડલ રિઝનિંગમાં એક મોટી છલાંગ દર્શાવે છે, જે ડેવલપર્સને નેચરલ લેંગ્વેજ પ્રોમ્પ્ટ્સનો ઉપયોગ કરીને વિડિયો જનરેટ અને એડિટ કરવાની મંજૂરી આપે છે. વિડિયો આઉટપુટના પ્રતિ સેકન્ડ $0.10 ના ભાવ સાથે, તે Veo 3.1 Fast ની સાથે સ્પર્ધાત્મક રીતે સામેલ છે.

Gemini Omni Flash "કન્વર્સેશનલ વિડિયો એડિટિંગ" માં શ્રેષ્ઠ છે, જ્યાં વપરાશકર્તાઓ ટેક્સ્ટ, ઇમેજ અથવા હાલના વિડિયોનો ઇનપુટ તરીકે ઉપયોગ કરીને ક્લિપ્સને રિફાઇન કરી શકે છે. જોકે વર્તમાન મર્યાદાઓમાં મહત્તમ 10-સેકન્ડની ક્લિપ લંબાઈ અને જટિલ કેમેરા મૂવમેન્ટ્સમાં મર્યાદિત કેરેક્ટર સુસંગતતાનો સમાવેશ થાય છે, તેમ છતાં વિડિયો એક્શન સાથે ટેક્સ્ટ અને ગ્રાફિક્સને સિંક કરવાની મોડલની ક્ષમતા AI-સંચાલિત કન્ટેન્ટ ક્રિએશન માટે એક મહત્વપૂર્ણ ડગલું છે.

મોડલ ચેઇનિંગ અને Interactions API ની શક્તિ

આ રિલીઝનું સાચું વ્યૂહાત્મક મૂલ્ય બંને મોડલ્સ વચ્ચેના સિનર્જી (synergy) માં રહેલું છે. Google "ચેઇનિંગ" વર્કફ્લોને પ્રોત્સાહન આપી રહ્યું છે: ડેવલપર્સ ઉચ્ચ-ગુણવત્તાવાળી રેફરન્સ ઇમેજ તાત્કાલિક જનરેટ કરવા માટે Nano Banana 2 Lite નો ઉપયોગ કરી શકે છે અને પછી તે ઇમેજને એનિમેટ કરીને વિડિયો બનાવવા માટે Gemini Omni Flash માં ફીડ કરી શકે છે.

આને સરળ બનાવવા માટે, Google તેના Interactions API ને પ્રોત્સાહન આપી રહ્યું છે, જે આ વર્કફ્લો માટે ડિફોલ્ટ તરીકે કામ કરે છે. API સેશન હિસ્ટ્રી અને કોન્ટેક્સ્ટને જાળવી રાખે છે, જે સતત ત્રણ એડિટ્સ કરવાની મંજૂરી આપે છે, જેનાથી સર્જનાત્મક પ્રક્રિયા AI સાથેના સતત સંવાદ જેવી લાગે છે. આ ક્ષમતાઓને પ્રદર્શિત કરવા માટે, Google એ ત્રણ ડેમો એપ્સ લોન્ચ કરી છે: ટ્રાવેલ એનિમેશન માટે "Anywhere", ઇન્ટિરિયર ડિઝાઇન માટે "Space Lift", અને ઈ-કોમર્સ વિડિયો જનરેશન માટે "Omni Product Studio".

Google ના તમામ જનરેટિવ મોડલ્સની જેમ, Nano Banana 2 Lite અને Gemini Omni Flash બંને SynthID વોટરમાર્કિંગનો ઉપયોગ કરે છે જેથી ખાતરી કરી શકાય કે AI-જનરેટેડ કન્ટેન્ટને Google પ્લેટફોર્મ પર વેરિફાય કરી શકાય.

મુખ્ય મુદ્દાઓ

  • સ્કેલ પર કાર્યક્ષમતા: Nano Banana 2 Lite માત્ર $0.034 માં ચાર સેકન્ડમાં 1K ઇમેજ આપે છે, જે હાઇ-થ્રુપુટ જરૂરિયાતો માટે વર્કફ્લોને ઓપ્ટિમાઇઝ કરે છે.
  • મલ્ટિમોડલ વિડિયો એડિટિંગ: Gemini Omni Flash પ્રતિ સેકન્ડ $0.10 ના દરે Gemini API માં નેચરલ લેંગ્વેજ વિડિયો જનરેશન અને એડિટિંગ રજૂ કરે છે.
  • ઇન્ટિગ્રેટ્ડ ક્રિએટિવ પાઇપલાઇન: ડેવલપર્સ સ્ટેટિક એસેટ્સને સીમલેસ રીતે એનિમેટેડ કન્ટેન્ટમાં રૂપાંતરિત કરવા માટે Interactions API દ્વારા ઇમેજ અને વિડિયો મોડલ્સને ચેઇન કરી શકે છે.