شرکت سازنده

Google DeepMindگوگل دیپ‌مایند

سازندهٔ Gemini، Veo و Imagen؛ مدل‌های چندوجهی با پنجرهٔ متن بزرگ و یکپارچه با اکوسیستم گوگل.

کشور:: ایالات متحده / بریتانیا
سال تأسیس:: ۲۰۱۰ میلادی
وب‌سایت:: deepmind.google

Google DeepMind از ادغام آزمایشگاه DeepMind (تأسیس ۲۰۱۰ در لندن) و تیم Google Brain شکل گرفته و پژوهش هوش مصنوعی گوگل را پیش می‌برد. مدل‌های شاخص آن خانوادهٔ Gemini است که از ابتدا چندوجهی طراحی شده یعنی متن، تصویر، صدا و ویدئو را با هم می‌فهمد.

علاوه بر Gemini، گوگل مدل تولید تصویر Imagen، مدل تولید ویدئو Veo و مدل‌های سبک متن‌باز Gemma را عرضه می‌کند. نقطهٔ قوت Gemini پنجرهٔ متن بسیار بزرگ و درک ویدئو و تصویر است، و گزینه‌های سریع و کم‌هزینه برای کارهای حجیم دارد.

دسترسی از طریق Google AI Studio و Vertex AI ممکن است.

مدل‌های چندوجهی Gemini
پنجرهٔ متن بسیار بزرگ
Veo برای ویدئو و Imagen برای تصویر
مدل‌های متن‌باز Gemma

مدل‌های Google DeepMind

Gemini 2.5 Pro

Google DeepMind · مدل‌های زبانی و چت

مدل پرچم‌دار چندوجهی گوگل با پنجرهٔ متن یک‌میلیون‌توکنی و استدلال داخلی.

1M ctx

Gemini 2.5 Flash

Google DeepMind · مدل‌های زبانی و چت

نسخهٔ سریع و کم‌هزینهٔ Gemini با پنجرهٔ بزرگ؛ مناسب پردازش حجیم و برنامه‌های زنده.

1M ctx

Imagen

Google DeepMind · تولید تصویر

مدل تولید تصویر گوگل با جزئیات و واقع‌گرایی بالا و رندر متن بهتر از نسل‌های قبل.

Veo

Google DeepMind · تولید ویدئو

مدل ویدئوی گوگل با کیفیت سینمایی و تولید صدا و گفت‌وگوی همگام در نسخه‌های جدید.

Gemini TTS

Google DeepMind · تبدیل متن به گفتار

مدل تبدیل متن به گفتار Gemini؛ صداهای متعدد، کنترل لحن با دستور متنی و پشتیبانی چندزبانه.

← همهٔ مدل‌ها و شرکت‌ها