Gemini Diffusion: Hướng Dẫn Với 8 Ví Dụ Thực Tiễn

Điều này cho phép:

• Tạo văn bản nhanh hơn (lên đến 1479 token/giây)
• Các khối văn bản mạch lạc hơn
• Quy trình chỉnh sửa thời gian thực tốt hơn

Vì vậy, thay vì phải đợi từng từ một, bạn sẽ thấy ngay toàn bộ kết quả đã được tinh chỉnh. Điều này khiến Gemini Diffusion trở thành một trong những mô hình nhanh nhất về tốc độ lấy mẫu mà Google phát hành cho các tác vụ tạo thời gian thực. Dưới đây là một vài thước đo nơi mô hình này vượt trội để tạo ra những kết quả ấn tượng như vậy.

Cách Truy Cập Gemini Diffusion?

Tại thời điểm viết bài, Gemini Diffusion có sẵn dưới dạng bản demo thử nghiệm chỉ dành cho người được mời. Nó chạy hoàn toàn trong trình duyệt và hỗ trợ tương tác văn bản, mã, canvas và âm thanh (qua tạo âm thanh MIDI tích hợp).

Để bắt đầu:

1. Truy cập Biểu mẫu Danh sách Chờ Gemini Diffusion
2. Đăng nhập bằng tài khoản Google của bạn
3. Chờ phê duyệt quyền truy cập
4. Khi được cấp, bạn có thể thử nghiệm trực tiếp trong giao diện DeepMind.

Không cần SDK hay API!

Hãy cùng xem Gemini Diffusion có thể làm gì trong nhiều lĩnh vực, từ phát triển game và vẽ đến chỉnh sửa mã và thậm chí cả âm thanh.

Ví dụ 1: Tạo Văn Bản

Trong playground, tôi thử khả năng tạo nội dung dài của mô hình với lời nhắc sau.

Lời nhắc: Giải thích giá trị của bánh mì nướng theo phong cách Hegel. Sau đó, dịch bài luận sang 10 ngôn ngữ khác.

Mô hình trả về hơn 7000 token trong chưa đầy 9 giây, với tiêu đề rõ ràng, bình luận và văn bản bằng 10 ngôn ngữ.

Lưu ý trong video trên, tốc độ tạo là 892 token/giây. Trong khi đó, Gemini 2.0 Flash-Lite thường tạo khoảng 250–400 token/giây trong hầu hết các tình huống thời gian thực.

Ví dụ 2: Phát Triển Game Với Tương Tác Thời Gian Thực

Dành cho người hâm mộ Rock Paper Scissors Lizard Spock, tôi đã thử tạo mô phỏng trò chơi này bằng mô hình Gemini Diffusion.

Lời nhắc: Tạo một ứng dụng web HTML+JavaScript để chơi Rock, Paper, Scissors, Lizard, Spock. Dùng emoji cho từng lựa chọn (🪨📄✂️🦎🖖), khiến giao diện có phong cách neon/phát sáng và tương lai. Cho phép người chơi nhấp chọn một, máy tính chọn ngẫu nhiên. Hiển thị kết quả với hoạt ảnh và theo dõi điểm. Bao gồm nút 'Restart Game'. Làm cho trò chơi phản hồi tốt trên nhiều thiết bị.

Kết quả là một trò chơi có thể chơi và tương tác đầy đủ, với điều khiển bàn phím mượt mà, lý tưởng để dựng thử vòng lặp trò chơi hoặc dạy các nguyên lý hoạt ảnh cơ bản.

Ví dụ 3: Mô Phỏng Thời Gian Thực

Điểm hay nhất của mô hình Gemini Diffusion là các mô phỏng thời gian thực. Chúng khiến lời nhắc trở nên sống động. Ở đây, tôi thử hai ví dụ: hạt nảy và mô phỏng bước sóng hình sin và cosin.

Ví dụ 3.1: Mô phỏng hệ hạt nảy

Lời nhắc: Mô phỏng 100 hạt chuyển động theo hướng ngẫu nhiên trong một hộp bằng JavaScript.

Khi tôi áp dụng lời nhắc trên, Gemini Diffusion đã tạo ra mô phỏng hạt nảy hoạt động hoàn chỉnh, bao gồm cập nhật DOM và vật lý cơ bản. Hoạt ảnh mượt mà và phản hồi tốt, và tôi có thể dễ dàng tinh chỉnh các tham số như số hạt, vận tốc và màu sắc.

Để tiến thêm một bước, tôi yêu cầu mô hình thêm thanh trượt để điều chỉnh kích thước vòng tròn theo thời gian thực, và nó thực hiện trơn tru. Tuy nhiên, khi tôi yêu cầu thay vòng tròn bằng biểu tượng bươm bướm, nó không thể đáp ứng như mong muốn.

Ví dụ 3.2: Mô phỏng dạng sóng tương tác

Trong ví dụ tiếp theo, tôi thử tạo mô phỏng dạng sóng tương tác:

Lời nhắc: Xây dựng một bộ mô phỏng dạng sóng tương tác trực quan hóa sóng hình sin. Cho phép người dùng điều chỉnh bước sóng, biên độ và tần số bằng các thanh trượt. Trực quan hóa phải thể hiện rõ cách thay đổi bước sóng làm giãn hoặc nén sóng. Thêm chú giải công cụ để giải thích từng tham số và ý nghĩa trong thực tế.

Khi chạy lời nhắc, Gemini tạo ra một bộ mô phỏng dạng sóng phản hồi với thanh trượt để điều chỉnh bước sóng (λ), biên độ (A) và tần số (f), rất phù hợp cho các minh họa giáo dục.

Ban đầu, nó chỉ hỗ trợ sóng sin. Khi tôi yêu cầu hỗ trợ thêm sóng cos, Gemini nhanh chóng thêm danh sách chọn để chuyển đổi loại sóng, thể hiện khả năng lặp nhanh trên thành phần UI. Tuy vậy, khi tôi yêu cầu trộn cả sóng sin và cos thành một dạng sóng kết hợp, mô hình không thực hiện được.

Ví dụ 4: Tạo Và Thực Thi Mã

Là một người làm ML, tôi muốn kiểm tra khả năng của Gemini Diffusion trong việc tạo và thực thi mã máy học bằng Python. Vì vậy, tôi yêu cầu nó:

Lời nhắc: Viết một mạng nơ-ron đơn giản bằng NumPy và chạy nó.

Gemini trả về một hiện thực mạng nơ-ron truyền thẳng đầy đủ, có cấu trúc tốt chỉ dùng NumPy, bao gồm hàm kích hoạt, khởi tạo trọng số, logic lan truyền ngược và vòng lặp huấn luyện. Nó thậm chí còn kèm giải thích cho từng bước.

Để kiểm tra khả năng thời gian chạy, tôi tiếp tục hỏi:

Lời nhắc: Bạn có thể chạy giúp tôi không?

Gemini phản hồi rằng nó không thể thực thi mã Python một cách nguyên bản do thiếu môi trường thời gian chạy tích hợp. Tuy nhiên, nó đã mô phỏng đầu ra dự kiến bằng cách ước lượng loss tại các mốc huấn luyện, minh họa đầu ra điển hình nếu chạy trong môi trường cục bộ như Jupyter Notebook.

Mặc dù Gemini Diffusion chưa thể chạy mã trong trình duyệt, khả năng mô phỏng hành vi đầu ra và cung cấp kết quả kỳ vọng vẫn rất hữu ích cho việc dựng thử. Nếu sau này tích hợp môi trường chạy, công cụ có thể trở thành playground tự chứa hoàn toàn cho việc học và thử nghiệm các mô hình máy học.

Ví dụ 5: Ứng Dụng Vẽ Thời Gian Thực

Tiếp theo, tôi thử nghiệm một thứ thú vị hơn, tức là ứng dụng vẽ tương tác có cọ, màu sắc và hình dạng. Tôi bắt đầu với lời nhắc cơ bản:

Lời nhắc: Tạo cho tôi một ứng dụng vẽ với nhiều cọ và màu sắc.

Gemini phản hồi bằng một sổ phác thảo dựa trên canvas, gồm bảng màu cơ bản, chọn kích thước cọ (nhỏ, vừa, lớn) và nút xóa.

Tiếp nối, tôi yêu cầu mô hình thêm màu “hồng” vào bảng màu, và nó tích hợp liền mạch. Sau đó, tôi yêu cầu thêm các công cụ vẽ—hình chữ nhật, hình vuông và hình tròn—và Gemini Diffusion đã cung cấp những lựa chọn hình dạng có thể chọn.

Kết quả cuối cùng đáp ứng mọi lời nhắc của tôi và hoạt động tốt như một công cụ sáng tạo. Điểm trừ dễ thấy là có chút trễ và giảm mượt khi vẽ, có lẽ do hạn chế của chế độ xem trước. Nhưng nhìn chung, đây là một nguyên mẫu trong trình duyệt ấn tượng và hữu dụng.

Ví dụ 6: Chỉnh Sửa Tức Thì Với Mã

Ngoài Playground, Gemini Diffusion cung cấp một tính năng mạnh mẽ gọi là Instant Edit, cho phép bạn sửa đổi văn bản hoặc mã theo thời gian thực chỉ với lời nhắc tối thiểu.

Để kiểm tra, tôi đưa vào hộp nội dung một hàm Python:

def find_median(nums):
    if not nums:
        return None
    nums.sort()
    n = len(nums)
    mid = n // 2
    if n % 2 == 1:
        return nums[mid]
    else:
        return (nums[mid - 1] + nums[mid]) / 2

Lời nhắc: Chuyển đoạn mã này sang C++

Gemini đã dịch thành công hàm sang cú pháp C++ gọn gàng. Sau đó tôi nhắc bổ sung thêm hai hàm: một tính trung bình cộng và một tính số xuất hiện nhiều nhất. Nó đã thêm chính xác vào khối mã.

Ở bước cuối, tôi yêu cầu mô hình thêm các ca kiểm thử để kiểm chứng cả ba hàm, và nó cũng hoàn thành. Tuy nhiên, khi tôi thử nhắc “chạy đoạn mã này”, Gemini không phản hồi, cho thấy dù tạo mã rất tốt, việc thực thi hoặc mô phỏng mã biên dịch hiện chưa được hỗ trợ trong môi trường này.

Ví dụ 7: Chỉnh Sửa Tức Thì Với Văn Bản

Công cụ này cũng rất hữu ích cho việc viết và biên tập truyện. Sử dụng Instant Edit, tôi đưa cho mô hình một câu chuyện một dòng và yêu cầu mở rộng nó. 

Hộp nội dung: Viết một câu chuyện về một cái cây vui vẻ tên Sprig sống ở Treewood và mơ ước trở thành ngôi sao điện ảnh nổi tiếng.

Để làm sâu sắc câu chuyện, tôi tiếp tục yêu cầu mô hình thêm cao trào bằng cách giới thiệu một hình tượng người cha không tán thành.

Lời nhắc: Thêm kịch tính cho câu chuyện này bằng cách thêm một nhân vật người cha không hài lòng với lựa chọn nghề nghiệp của Sprig.

Mô hình đã mở rộng câu chuyện ngay trong văn bản, khéo léo đan cài hình tượng người cha cây sồi khôn ngoan nhưng nghiêm khắc, không tán thành ước mơ sân khấu của Sprig. Các chỉnh sửa được làm nổi và có công tắc hiển thị, cho phép tôi so sánh nội dung gốc và đã cập nhật.

Ví dụ này cho thấy Instant Edit có thể hỗ trợ kể chuyện gia tăng và tinh chỉnh sáng tạo có kiểm soát, đồng thời luôn giữ người dùng trong vòng kiểm soát.

Ví dụ 8: Đàn Mộc Cầm (Xylophone) Với Âm Thanh

Trong bài kiểm tra cuối cùng, tôi yêu cầu Gemini Diffusion tạo một ứng dụng đàn mộc cầm tương tác. Mô hình đã tạo ra một bộ phím nhiều màu sắc, bố cục hợp lý với ánh xạ âm thanh tương ứng, bộ lắng nghe sự kiện và hiệu ứng hover, thể hiện khả năng xử lý giao diện âm thanh tương tác.

Lời nhắc: Tạo một ứng dụng đàn mộc cầm nơi người dùng có thể nhấn phím và phát ra âm thanh. Mỗi nốt kéo dài thời gian hợp lý sau khi nhấn. Không dùng tài nguyên ngoài. Dùng tạo âm thanh MIDI tích hợp. Sắp xếp các phím như một đàn mộc cầm thực.

Lưu ý: Dù Gemini Diffusion không hỗ trợ tạo âm thanh hay video, nó vẫn có thể mô phỏng hành vi âm thanh thực tế bằng tổng hợp âm kiểu MIDI ngay trong bản xem trước trên trình duyệt.

Điều này cho thấy khả năng của mô hình trong việc xây dựng giao diện âm thanh chức năng mà không cần bất kỳ tài nguyên hay thư viện bên ngoài nào.

Tôi khuyến nghị bật âm thanh cho video bên dưới:

Vì Sao Gemini Diffusion Quan Trọng?

Gemini Diffusion thể hiện một bước chuyển đổi trong cách chúng ta tương tác với LLM. Lý do đáng chú ý:

• Tạo thời gian thực: Đây là mô hình văn bản nhanh nhất của Google cho đến nay.
• Chỉnh sửa thông minh hơn: Nó tinh chỉnh và sửa đầu ra trong khi đang tạo.
• Tương tác phong phú: Nó xây dựng mô phỏng, trò chơi và ứng dụng âm thanh ngay trong trình duyệt.
• Hiệu năng benchmark: Cuối cùng, nó có hiệu năng tương đương trên nhiều bài kiểm tra mã hóa như HumanEval (89,6%) và MBPP (76%), đồng thời vẫn nhanh hơn đáng kể.

Tôi thấy Gemini Diffusion khá ấn tượng về tốc độ tạo, tính mạch lạc và chất lượng đầu ra. Dù là mở rộng câu chuyện, mô phỏng vật lý hay xây dựng công cụ tương tác, mô hình đều cho kết quả nhanh và hữu dụng chỉ với lời nhắc tối thiểu.

Dĩ nhiên vẫn còn điểm cần cải thiện. Chẳng hạn, hiện nó chưa lưu lịch sử trò chuyện và đôi lúc chưa đạt yêu cầu cho các thay đổi nhiều bước. Ngoài ra, nó có thể không sánh bằng các mô hình tự hồi quy đã tối ưu trên mọi tác vụ và bị giới hạn 200 yêu cầu mỗi ngày mỗi người dùng, nhưng giai đoạn beta rất hứa hẹn.

Kết Luận

Gemini Diffusion là một trong những công cụ thú vị nhất tôi đã khám phá trong năm nay. Bằng cách áp dụng phương pháp khuếch tán cho văn bản, Google đã xây dựng một mô hình nhanh hơn và tương tác hơn so với các mô hình quy mô nhỏ đến trung bình trước đó, dù chưa đa dụng bằng Gemini 2.5 Pro.

Trong phần hướng dẫn thực hành này, tôi đã nêu bật cách Gemini Diffusion có thể nâng tầm quy trình của bạn, dù bạn đang dựng thử thành phần UI, tạo minh họa giáo dục hay lặp nhanh trên các ý tưởng sáng tạo.

Khi Gemini Diffusion phát triển, tôi kỳ vọng sẽ có tích hợp sâu hơn với công cụ nhà phát triển, môi trường lập trình sáng tạo và IDE chạy trên trình duyệt, biến nó thành bạn đồng hành linh hoạt cho nhà thiết kế, kỹ sư và nhà giáo dục.

Để tìm hiểu thêm về các công cụ mới nhất được công bố tại Google I/O 2025, tôi khuyến nghị những hướng dẫn này:

• Google Jules: Hướng Dẫn Với 3 Ví Dụ Thực Tiễn
• Veo 3 của Google: Hướng Dẫn Với Ví Dụ Thực Tiễn
• Gemma 3n: Hướng Dẫn Kèm Dự Án Demo (Ứng Dụng VLM Android)