Google KI-Modelle

Das stabile, hocheffiziente multimodale Modell von Google für Agenten, Softwarearbeit und große Mixed-Media-Eingaben zum Einführungspreis der Flash-Stufe.

Googles vielseitiges Bild-Arbeitspferd für schnelle Generierung, Konversationsbearbeitung, mehrere Referenzen, fundierte Bilder und Ausgaben bis zu 4K.

Das Vorschauvideomodell von Google für die text-, bild- und videogeführte Generierung mit nativem Audio und Ausgabeoptionen bis zu 4K.

Die kostengünstigere Veo 3.1-Variante von Google für die schnelle Erstellung kurzer Videoclips mit nativem Audio und Ausgabeoptionen bis zu 4K.

Das Flaggschiff-Musikmodell von Google für komplette High-Fidelity-Songs mit reichhaltigeren Arrangements, ausdrucksstarkem Gesang, strukturierten Texten und detaillierter kreativer Kontrolle.

Das Vorschau-Audio-zu-Audio-Modell von Google für Dialoge mit geringer Latenz mit multimodalem Bewusstsein, Denken, Sucherdung und Funktionsaufruf.

Das Forschungsweltmodell von Google DeepMind zur Generierung fotorealistischer, steuerbarer Umgebungen, die anhand einer Textbeschreibung in Echtzeit erkundet werden können.

Der von Gemini unterstützte Parser von Google Cloud zur Beibehaltung der Dokumenthierarchie und zur Erstellung kontextreicher Blöcke für die Unternehmenssuche und

Der von Gemini unterstützte Document AI-Prozessor von Google Cloud zum Extrahieren der genauen Felder und abgeleiteten Werte, die in einem Geschäftsschema definiert sind.

Das multimodale Einbettungsmodell von Google zum Platzieren von Text, Bildern, Video, Audio und PDFs in einem durchsuchbaren Vektorraum.

Das allgemeine Sprach-zu-Text-Modell von Google Cloud für Streaming, Datei und kostengünstige dynamische Batch-Transkription in vielen Sprachen und Regionen.