Google vừa tung bản cập nhật lớn cho mô hình đa phương thức Gemini 2.5 Pro, bổ sung tính năng tạo video thời gian thực (real-time video generation). Trước đây, các mô hình tạo video thường có độ trễ cao và yêu cầu thời gian xử lý dài, nhưng với kiến trúc mới dựa trên Transformer hiệu suất cao, Gemini 2.5 Pro có thể xuất bản các đoạn video ngắn 5-10 giây chỉ trong vài giây.
Khả năng này không chỉ dừng lại ở việc tạo ra những cảnh quay tĩnh, mà còn cho phép người dùng tương tác với nội dung video thông qua lệnh văn bản hoặc giọng nói. Ví dụ, một nhà thiết kế có thể yêu cầu thay đổi màu sắc của một chiếc xe hơi trong video chỉ bằng cách nói 'Làm cho chiếc xe chuyển sang màu xanh dương', và hệ thống sẽ cập nhật lại video ngay lập tức.
Google đặc biệt nhấn mạnh vào khả năng bảo toàn vật lý (physics consistency) của đối tượng trong video. Điều này giải quyết một trong những điểm yếu lớn nhất của các hệ thống AI sinh nội dung trước đây, nơi các vật thể thường biến dạng hoặc trôi nổi phi tự nhiên. Các thử nghiệm ban đầu từ đối tác sáng tạo nội dung của Google cho thấy kết quả vượt xa kỳ vọng.
Bản cập nhật này đã được triển khai trên nền tảng Vertex AI và dự kiến sẽ có mặt trên ứng dụng Gemini dành cho người dùng cuối vào quý 4 năm nay. Đây được xem là động thái mạnh mẽ của Google nhằm giữ vững vị thế dẫn đầu trong cuộc đua AI đa phương thức.