Google、高度なGemini 1.5 ProをAPI経由でパブリックプレビューに

今朝、Google AI Studioから下記のメールが届きました。

Google AI Studioより

どうやらGemini 1.5 ProがAPI経由で利用できるようになったようです。今回は本メール内容に基づき、Gemini 1.5 Proの更新内容について解説します。

• Gemini 1.5 Pro APIが公開され、進化したAIモデルの機能が利用可能になりました。
• JSONモードでの操作が簡単になり、改善された検索性能が特徴です。
• 大きなコンテキストウィンドウを持ち、長時間の音声やビデオの処理が可能です。

GoogleはGemini 1.5 Proをパブリックプレビューとして、API経由で提供開始しました。^[1]このモデルは最大1Mのコンテキストウィンドウを持ち、ネイティブオーディオやビジョン機能も搭載しています。

新機能にはJSONモードやシステム命令などが含まれ、様々なユースケースに対応するための柔軟性を提供します。

Gemini APIは音声認識を含むビデオやオーディオ入力の処理を可能にするため、開発者はよりリッチなアプリケーション開発を行えるのが特徴です。

Gemini 1.5 ProのAPI公開は、AIと機械学習の分野で大きな一歩です。この新しいモデルは大量のデータ処理能力と柔軟性を備えており、開発者がより複雑でリッチなアプリケーションを作成することが可能です。

音声認識やビデオ処理機能の強化は、特にマルチメディアコンテンツの作成や分析において重要です。

今後Gemini 1.5 Proは多様な分野での革新を促進することが期待されます。特にエンターテイメントや教育、医療などの分野での応用が拡大する可能性があります。

また、APIを通じた簡単なアクセスは開発者コミュニティの間での採用を加速し、新しい種類のアプリケーションやサービスの誕生につながるでしょう。

References

1. ^ Google for Developer. 「Gemini 1.5 Pro Now Available in 180+ Countries; With Native Audio Understanding, System Instructions, JSON Mode and More」. https://developers.googleblog.com/2024/04/gemini-15-pro-in-public-preview-with-new-features.html, (参照 2024-04-10).

※上記コンテンツの内容やソースコードはAIで確認・デバッグしておりますが、間違いやエラー、脆弱性などがある場合は、コメントよりご報告いただけますと幸いです。

ITやプログラミングに関するコラム

• 
  画像やテキストから動画を生成できるAI「Haiper」の使い方｜具体的な手順を実際の画像で詳しく解説
• 
  DXを推進するには何から始めるべき？企業が最初に取り組むべき基本ステップを紹介
• 
  歌声とインストを分けて抽出できる「Ultimate Vocal Remover v5」の使い方。具体的な手順をわかりやすく解説
• 
  動画と音声を編集できるAI「Descript」の使い方。日本語対応の有無や料金形態についても詳しく解説
• 
  人材開発支援助成金「人への投資促進コース」の特徴や利用条件、具体的な利用手順について紹介

ITやプログラミングに関するニュース

• 
  ウエスタンデジタル、NAB Show 2024で次世代M&Eストレージソリューションを展示
• 
  OpenAI、東京にアジア初のオフィスを開設し日本語専用GPT-4モデルをリリース
• 
  Grok-1.5vへ更新。デジタルと物理をつなぐマルチモーダルAIモデル
• 
  3分で読める今週のAIニュース（4/8〜4/12）
• 
  Google Cloud Next '24で発表された、データ分析とAIの新たな融合