Gemini Nano Banana、企業規模の画像編集の一貫性と制御を強化 - まだ改善の余地あり

ジェミニ2.5フラッシュイメージの紹介

Googleは、Gemini 2.5 Flash Imageを発表した。以前はベータテスト中、社内で「nanobanana」と呼ばれていた。この先進的なモデルは、ビジネスにクリエイティブな柔軟性を提供し、旧バージョンを凌ぐ正確なコントロール機能で迅速な画像変換を可能にします。

この技術は、既存のGemini 2.5 Flashフレームワークの上に構築され、Geminiアプリのエコシステムに完全に統合されます。このアップデートは、変更された画像全体で一貫した文字表現を維持しながら、プラットフォームのネイティブ編集機能を大幅に強化します。例えば、ユーザーはペットの写真をアップロードし、被写体の認識可能な特徴を損なうことなく、背景をシームレスに調整したり、アクセサリーを追加したりすることができます。

デジタル編集における真正性の保持

「GeminiのエキスパートであるDavid SharonとNicole Brichtovaは、「私たちは、個人的な写真を編集する際には、本物の似顔絵を維持する必要があることを理解しています。「私たちの最新の開発は、人間の家族であろうと、大切なペットであろうと、大切な人の外見を一定に保つことを優先しています。

このアップデートは、些細なAIの編集要求が、重要な顔の特徴やその他の重要な要素を不注意に歪めてしまうという、業界共通のフラストレーションに直接対処している。

すべての出力にはグーグル独自のSynthID透かし技術が採用され、無料とプレミアム両方のGeminiアプリの階層で利用できる。

ソーシャルメディアでの話題

LMアリーナのテストにおいて、謎の「ナノバナナ」モデルが複雑な画像操作タスクに優れているという言及を技術愛好家が発見し、各プラットフォームで急速に期待が高まった。ベンチャーキャピタリストのジャスティン・ムーアは、複雑な複数ステップの命令を驚くほど正確に処理する能力を強調した。

「ナノバナナは、2つの画像をアップロードし、それらを合成するように指示することができます。ナノバナナは、複雑な複数ステップの指示にも、驚くほど正確に従うことができます」。

このモデルの出自は、複数の初期テスターがグーグルとの関連を確認したことで明らかになったが、正式な確認は保留されたままだ。ソーシャルメディアの例では、プロフェッショナルな肖像画の修正から環境変容まで、幅広い機能が紹介されている。

激化する業界競争

今回の発表により、Qwen-Image EditやOpenAIのChatGPT画像編集APIのようなライバルとの競争が激化する。伝統的なクリエイティブソフトウェア大手のAdobeは、Photoshopや他のクリエイティブスイートにFireflyモデルを統合し続けている。

進化した編集機能

3月にネイティブ画像編集を導入して以来、Geminiは企業がワークフローを合理化できるように機能を拡張してきた。このプラットフォームでは、アプリケーションを切り替えることなく、包括的な編集が可能になりました。ユーザーは、単一のインターフェイス内で、アップロード、修正、さらには編集した画像をビデオプレゼンテーションにまとめることができます。

Gemini 2.5 Flash Imageは、基本的な編集だけでなく、以下のような高度なテクニックもサポートしています：

• シームレスな写真ブレンド
• マルチステップ反復編集
• イメージ間のスタイル転送
• コンテキストの環境変更