जेमिनी 3.5 फ्लैश ओम्नी लॉन्च: क्रिएटर्स के लिए गूगल का मल्टीमॉडल AI अपडेट

20 मई 2026 तक Google I/O 2026 की धूल अभी भी नहीं बैठी है और घोषणाएं पहले से ही मल्टीमॉडल टूल्स के लिए एक महत्वपूर्ण कदम लग रही हैं। Gemini 3.5 Flash अब Gemini ऐप और सर्च के AI मोड में डिफ़ॉल्ट मॉडल बन चुका है। यह अपने पूर्ववर्ती से लगभग चार गुना तेज़ प्रदर्शन देता है, कोडिंग सहायता और एजेंटिक व्यवहारों को और बेहतर बनाता है, साथ ही अनुमान लागत भी कम रखता है। उसी इवेंट में Google ने Gemini Omni पेश किया, एक मल्टीमॉडल वर्ल्ड मॉडल जो टेक्स्ट, स्टिल इमेज, वीडियो क्लिप्स और ऑडियो के किसी भी मिश्रण को सुसंगत वीडियो आउटपुट में बदल सकता है। शुरुआती डेमो में मॉडल ने छोटे टेक्स्ट प्रॉम्प्ट, रेफरेंस फोटोग्राफ और कुछ सेकंड के एम्बिएंट साउंड को जोड़कर आश्चर्यजनक रूप से स्थिर मोशन तैयार किया। Gemini Omni Flash का तत्काल रोलआउट Google AI Plus, Pro और Ultra सब्सक्राइबर्स के लिए मुख्य ऐप, Google Flow और YouTube Shorts पर उपलब्ध है, जबकि व्यापक API एक्सेस आने वाले हफ्तों में उम्मीद है।

क्रिएटर्स के लिए स्पीड और कंसिस्टेंसी हेडलाइन स्पेसिफिकेशन्स से ज्यादा मायने रखती है। Gemini 3.5 Flash का परफॉर्मेंस बूस्ट प्रॉम्प्ट से यूजेबल आउटपुट तक का समय कम कर देगा, खासकर जब आप कई टेक में सीक्वेंस को रिफाइन कर रहे हों। एजेंटिक अपग्रेड्स मॉडल को सिंपल मल्टी-स्टेप टास्क प्लान करने देते हैं, जैसे स्टोरीबोर्ड जेनरेट करना फिर चुने हुए फ्रेम्स को शॉर्ट क्लिप्स में एक्सटेंड करना। Gemini Omni का मिक्स्ड-इनपुट अप्रोच इमेज-टू-वीडियो पाइपलाइन्स के लिए खासतौर पर उपयोगी लगता है। एक क्रिएटर मौजूदा स्टिल, स्टाइल रेफरेंस वीडियो और कैमरा मूवमेंट बताने वाला छोटा वॉइस नोट फीड कर सकता है, फिर आउटपुट तीनों सिग्नल्स का सम्मान करते हुए मिलता है। पहले इतना कंट्रोल बिना भारी पोस्ट-प्रोडक्शन के हासिल करना मुश्किल था।

बेहतर प्रॉम्प्ट एडहेरेंस और कैरेक्टर कंसिस्टेंसी वो दो सुधार हैं जिनका क्रिएटर्स शुरुआती टेस्ट्स में सबसे ज्यादा जिक्र करते हैं। जब मोशन एक ही सब्जेक्ट पर शॉट्स भर स्थिर रहता है तो एडिटिंग टाइम काफ़ी कम हो जाता है। मिक्स्ड-मीडिया प्रॉम्प्ट्स छोटे क्रिएटिव एक्सपेरिमेंट्स भी खोलते हैं: प्रोडक्ट रेंडर को लाइफस्टाइल सीन में डालना या जेनरेटेड फुटेज पर डायलॉग लेयर करना, बिना पूरे शॉट को स्क्रैच से दोबारा बनाने के। ईमानदारी से कहूं तो खुद कुछ मिक्स्ड-इनपुट टेस्ट्स चलाने के बाद रिजल्ट्स मेरी उम्मीद से ज्यादा यूजेबल लगे, हालांकि जटिल कैमरा मूव्स पर अभी भी परफेक्ट नहीं। ऐसी मल्टीमॉडल तरक्की पहले से ही नेक्स्ट-जेनरेशन वीडियो टूल्स को आकार दे रही है, जिसमें Gemini Omni के एक्सप्लिसिट मटेरियल हैंडलिंग पर चल रही बातचीत भी शामिल है जिसे मैंने यहां विस्तार से एक्सप्लोर किया है: जेमिनी ओमनी एनएसएफडब्ल्यू: क्यों गूगल का एआई वीडियो मॉडल स्पष्ट सामग्री को ब्लॉक करता है।