Google atualiza sua IA. Edite suas fotos com texto.

A nova IA do Google permite editar fotos apenas com palavras — e o resultado é impressionante

Direto ao Ponto

> > > Como a ferramenta funciona na prática?

> > > Por que essa tecnologia é relevante?

O Google lançou discretamente uma versão mais poderosa do Gemini, que agora permite a qualquer pessoa editar fotos usando comandos simples em inglês, sem a necessidade de habilidades técnicas avançadas. A versão experimental do Gemini 2.0 Flash, que inclui recursos nativos de geração de imagens, já está disponível para todos os usuários.

Anteriormente, a ferramenta estava restrita a testadores (gmapas foi um desses testadores) e a alguns projetos específicos do Google desde o ano passado. Ao contrário da maioria das ferramentas de IA para imagens disponíveis atualmente, o Gemini 2.0 Flash não se limita a gerar novas imagens do zero. Em vez disso, o Google desenvolveu um sistema capaz de compreender fotos existentes com profundidade suficiente para modificá-las por meio de diálogos em linguagem natural. Dessa forma, a ferramenta preserva grande parte do conteúdo original enquanto realiza ajustes específicos solicitados pelo usuário.

Esse avanço só é possível porque o Gemini 2.0 foi construído como um modelo multimodal nativo. Em outras palavras, ele processa e interpreta textos e imagens simultaneamente, usando a mesma estrutura neural. Para isso, o modelo converte imagens em tokens — unidades básicas de dados que também são utilizadas para processar textos. Graças a essa abordagem unificada, o Gemini 2.0 Flash manipula elementos visuais pelos mesmos caminhos neurais que emprega para compreender linguagem. Como resultado, o sistema evita a necessidade de acionar modelos especializados separados para cada tipo de mídia, o que simplifica e acelera o processo.

Em seu anúncio oficial, o Google destacou:

“O Gemini 2.0 Flash combina entrada multimodal, raciocínio aprimorado e compreensão de linguagem natural para criar imagens. Por exemplo, se você usar a ferramenta para contar uma história, ela a ilustrará com imagens, mantendo consistência nos personagens e cenários. Além disso, ao fornecer feedback, o modelo recontará a história ou ajustará o estilo das ilustrações conforme suas preferências.”

Para entender melhor, imagine que você tem uma foto de um jardim, mas deseja trocar as flores vermelhas por azuis. Em vez de recorrer a softwares complexos de edição, basta descrever a alteração em inglês, como “substitua as rosas vermelhas por azuis“. O Gemini 2.0 Flash não apenas executará a mudança de cor, mas também ajustará automaticamente elementos como iluminação e sombras para que a edição pareça natural.

Outro exemplo: se você pedir “adicione um cachorro brincando no campo” a uma imagem estática, a IA entenderá o contexto espacial da foto, identificará áreas adequadas para inserir o animal e garantirá que ele se integre visualmente ao ambiente.

O mais interessante é que, durante o processo, o usuário pode refinar o resultado por meio de novas instruções, como “deixe o céu mais azul” ou “aumente o contraste“, criando um fluxo de trabalho dinâmico e interativo.

A grande inovação do Gemini 2.0 Flash está em sua capacidade de unificar diferentes tipos de processamento em um único modelo. Tradicionalmente, sistemas de IA utilizavam redes neurais distintas para lidar com textos, imagens ou áudios, o que exigia integrações complexas. Com a multimodalidade nativa, o Google eliminou essa fragmentação, permitindo que a IA opere com maior eficiência e coerência.

Além disso, a ferramenta democratiza a edição profissional de imagens. Antes, ajustes precisos dependiam de conhecimento em programas como Photoshop ou de prompts muito técnicos em outras IAs. Agora, usuários sem experiência prévia podem alcançar resultados sofisticados apenas descrevendo o que desejam em palavras simples.

Limitações e próximos passos

Embora o Gemini 2.0 Flash represente um salto tecnológico, ainda há desafios. Alterações muito radicais — como trocar completamente o fundo de uma imagem ou modificar a pose de uma pessoa — podem exigir ajustes manuais adicionais. Além disso, a ferramenta atualmente só aceita comandos em inglês, o que limita seu alcance global.

Por outro lado, o Google já sinalizou que planeja expandir os idiomas suportados e incorporar funcionalidades avançadas, como edição em vídeo e integração com outros serviços da empresa. Enquanto isso, a versão atual já oferece um vislumbre do futuro, onde a comunicação natural com máquinas substituirá interfaces técnicas e complexas. Em resumo, o Gemini 2.0 Flash não é apenas mais uma ferramenta de edição: é um passo significativo em direção a uma interação mais intuitiva e humana com a tecnologia. Ao transformar palavras em ações visuais, o Google está redefinindo como criamos e modificamos conteúdo digital — e tudo indica que isso é só o começo.

Se você tem uma dúvida, perguntas ou novidades sobre esse assunto, comente abaixo.