2026. július 17., péntek · Eszközök

A Google Vids két új funkcióval bővül: Gemini Omni és személyes avatarok

A Google bejelentette, hogy a Google Vids videószerkesztő platformon két új funkciót vezet be. A Gemini Omni segítségével a felhasználók egyszerű szöveges utasításokkal és képi hivatkozásokkal hozhatnak létre vagy szerkeszthetnek videókat – a cég szerint például háttér cseréje vagy megvilágítás javítása is leírással megoldható. A másik újdonság a személyes avatar: egy szelfi és egy hangrögzítés feltöltésével digitális hasonmás készíthető, amely kamera nélkül szerepelhet a videókban. A Google közlése szerint minden mesterséges intelligenciával generált klip digitális vízjelet kap az átláthatóság érdekében. A vállalat korábban, februárban már elérhetővé tette a Veo 3.1 modellt a Vids felhasználói számára, az új frissítések erre az alapra építenek.

Miért fontos?

A Google a generatív videókészítést szöveges utasításokkal és avatárokkal az üzleti felhasználók széles köre számára teszi elérhetővé.

Források

Google AI Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #Google Vids#Gemini Omni

Napi összefoglaló

Ez a hír a 2026. július 17., péntek napi AI összefoglaló része.

Kapcsolódó hírek

A BlueField-4 DPU infrastruktúra-tehermentesítéssel skálázza az ágens AI-gyárakat

Az NVIDIA műszaki blogja részletezi, hogyan oldja meg a BlueField-4 DPU és a Vera BlueField-4 STX tárolóprocesszor az ágens AI munkafolyamatok infrastrukturális szűk keresztmetszeteit. A korábban bemutatott Vera CPU architektúrára épülő BlueField-4 akár 800 Gb/s hálózati kapcsolatot, 64 magos Grace CPU-t, PCIe Gen6-ot és LPDDR5X memóriát integrál, a hálózati, tárolási és biztonsági feladatokat a gazdagép processzoráról átterhelve. A DOCA szoftverplatform kontextus-újrafelhasználást, zero-trust biztonságot és többbérlős életciklus-kezelést biztosít. Az NVIDIA állítása szerint mindez magasabb GPU-kihasználtságot, kiszámíthatóbb késleltetést és alacsonyabb tokenenkénti költséget eredményez.

Az OpenAI bemutatta a GPT-Red nevű kibervédelmi mesterséges intelligenciát

Az OpenAI kifejlesztett egy GPT-Red nevű nagy nyelvi modellt, amelyet a vállalat saját rendszereinek biztonsági tesztelésére használ. A rendszer automatizálja az úgynevezett red-teaming folyamatot, amelyet korábban emberi tesztelőcsapatok végeztek: célja, hogy minél többféle módon feltárja a szoftverrendszerek sebezhetőségeit és támadási felületeit. Az MIT Technology Review exkluzív betekintést kapott a rendszerbe, amely az OpenAI szerint segíthet a vállalatnak a kibertámadókkal szembeni előnye megőrzésében. A GPT-Red lényegében egyfajta automatizált szuperhackerként működik, amely küzdőtársként edzi a cég többi modelljét a védekezésben.

Az OpenAI első hardverterméke egy 230 dolláros programozó-billentyűzet, a Codex Micro

Az OpenAI a Work Louder billentyűzetgyártóval közösen bemutatta első márkázott hardvereszközét, a Codex Micro nevű mini billentyűzetet, amely 230 dollárba kerül és korlátozott példányszámban érhető el. A The Verge és az Ars Technica beszámolói szerint az eszköz hat áttetsző, RGB-világítású gombot tartalmaz, amelyek színkódokkal jelzik a Codex kódolóplatform párhuzamosan futó ágens-szálainak állapotát – fehér az inaktív, kék a gondolkodás, zöld a kész, sárga az emberi beavatkozást igénylő, piros a hibás feladatot jelöli. A készülék emellett hat programozható parancsgombot, joysticket, tárcsát és érintésérzékelőt kínál, valamint 32 cserélhető billentyűsapkát tartalmaz. Az eszköz a ChatGPT asztali alkalmazásból konfigurálható, és elkülönül az OpenAI Jony Ive-vel közösen fejlesztett, eddig be nem mutatott okoshangszóró-projektjétől.

Az NVIDIA Cosmos 3 modell egyetlen nap alatt 93%-os pontosságra finomhangolható automatizált ágensalapú munkafolyamattal

Az NVIDIA technikai blogján bemutatott munkafolyamat szerint a Cosmos 3 Nano alapmodellt az NVIDIA TAO ágensképességeivel és LoRA-adaptációval kombinálva a videókérdés-válaszolási pontosság 54,41%-ról 93,35%-ra emelkedett a Woven Traffic Safety adathalmazon, kevesebb mint egy nap alatt, minimális manuális beavatkozással. Az NVIDIA állítása szerint a TAO ágensképességek automatizálják az adatkezelést, a kiindulási értékelést, a LoRA-konfigurálást és a hiperparaméter-optimalizálást, ami jelentősen csökkenti a mérnöki ráfordítást. A Cosmos 3 mixture-of-transformers architektúrája egyesíti a többféle modalitás – szöveg, kép, videó, hang – feldolgozását. Az éles üzembe helyezést a Cosmos 3 Reasoner NIM mikroszolgáltatás egyszerűsíti, amely OpenAI-kompatibilis végpontként szolgálja ki a finomhangolt LoRA-adaptereket, kiküszöbölve a hagyományos infrastrukturális komplexitást.