Ak sa vaše kanály sociálnych médií v poslednej dobe podobajú tým mojim, určite sú zaplavené obrázkami generovanými umelou inteligenciou, od fotorealistických portrétov až po štylizované digitálne umenie. Vďaka nástrojom, ktoré dokážu premeniť bežnú selfie na filmovú scénu alebo fotografiu domáceho maznáčika na obálku v štýle časopisu, generatívne obrazové modely sprístupňujú komplexné úpravy každému.
Základné modely, ktoré stoja za týmto trendom, ako sú systémy založené na difúzii a transformačné architektúry, sa rýchlo vyvinuli. Teraz dokážu vykonávať detailné transformácie obrázkov, ktoré si kedysi vyžadovali pokročilé dizajnérske nástroje alebo zručnosti manuálnej úpravy. Tu je návod, ako možno upraviť jeden portrét len niekoľkými dobre formulovanými pokynmi:
Prompt:
Slnečné okuliare: „Pridajte na tvár osoby štýlové čierne okuliare.“
Formálna modrá košeľa: „Zmeňte tričko na modrú formálnu košeľu.“
Jeden z najpôsobivejších nástrojov, ktoré poháňajú túto mágiu, je známy pod chytľavým kódovým názvom „Nano Banana“. Oficiálne poháňa nové funkcie úpravy obrázkov v programe Google Gemini 2.5 Flash, čo predstavuje významný skok vpred v našich interakciách s umelou inteligenciou. V tomto bulletine sa podrobne ponoríme do fascinujúcej technológie, ktorá umožňuje vytvárať a upravovať fotografie s chirurgickou presnosťou.
Čo presne je Nano Banana?
V jadre je Nano Banana nástroj na generovanie a úpravu obrázkov poháňaný umelou inteligenciou, ktorý je zabudovaný priamo do aplikácie Gemini od spoločnosti Google. Hoci generátory obrázkov s umelou inteligenciou máme už niekoľko rokov, najdôležitejšou otázkou je: čo odlišuje tento model?
Nano Banana, alebo oficiálne Gemini 2.5 Flash Image, je najnovší a najpokročilejší model spoločnosti Google DeepMind pre generovanie a úpravu obrázkov. Kľúčový rozdiel spočíva v jeho pokročilej schopnosti udržiavať konzistentnosť a kontext v konverzačných a viacnásobných úpravách.
? Kľúčové vlastnosti modelu Nano Banana:
Konzistentnosť postavy a štýlu: Najväčší prielom. Model dokáže zachovať identitu osôb alebo domácich zvierat (napríklad tvár, črty) naprieč viacerými úpravami alebo pri umiestňovaní tej istej postavy do rôznych scén.
Konverzačné úpravy: Umožňuje používateľom upravovať obrázky pomocou jednoduchých, prirodzených jazykových pokynov (promptov), ktoré fungujú ako obojsmerná konverzácia. Môžete požiadať o zmenu, potom požiadať o ďalšiu úpravu na tom istom obrázku, a model si pamätá kontext.
Spájanie viacerých obrázkov: Dokáže skombinovať prvky z rôznych referenčných obrázkov do jedného nového, bezšvového vizuálu. Napríklad spojiť svoju fotku s fotkou domáceho maznáčika do jedného spoločného portrétu.
Presné lokálne úpravy: Umožňuje chirurgicky presné transformácie, ako je odstránenie objektu z pozadia, zmena konkrétneho detailu (napr. farba košele), bez ovplyvnenia zvyšku scény.
Využitie s rozsiahlymi znalosťami Gemini: Vďaka integrácii so základným modelom Gemini dokáže Nano Banana generovať obrázky, ktoré sú kontextovo relevantné a využívajú globálne znalosti a uvažovanie modelu.
Nano Banana je navrhnutý pre rýchle, kreatívne a viacúrovňové pracovné postupy. Jeho špičkový výkon (SOTA) ho stavia pred staršie nástroje umelej inteligencie a dokonca aj pred iné skoršie verzie modelov Google, čo robí komplexné úpravy fotografií dostupnými pre každého.
