Google 发布 Gemini Omni Flash,支持任意输入生成视频
Introducing Gemini Omni
- 1Google 发布 Gemini Omni Flash,任意图文音视频输入均可生成视频
- 2官方称可用自然语言多轮编辑视频,角色一致性与场景记忆在修改中保持
- 3官方称模型结合物理直觉与 Gemini 世界知识,重力、流体等画面表现更真实
- 4向 Google AI Plus、Pro、Ultra 订阅者全球开放,YouTube Shorts 本周起免费
视频生成正从一次性产出转向多轮可控编辑,Gemini 的知识储备被直接接入创作链路。
- 影响:内容与营销团队可先评估对话式编辑能否替代部分拍摄和后期工序;YouTube Shorts 提供免费入口,试错成本不高;生成视频带 SynthID 水印,商用素材发布前可先核对平台披露要求。
- 参考:可考虑让内容团队用既有素材在 Gemini 应用或 Google Flow 做多轮编辑试点,记录可用场景和节省工时;值得先确认订阅档位覆盖,API 开放后再评估接入。
- 依据:全部内容来自 Google DeepMind 官方博客,编辑一致性与物理表现等效果描述均为官方口径,暂无独立验证;开放范围与 API 时间表以官方公告为准。
Gemini Omni Flash 是一个能从任何输入创造任何事物的模型——首先从视频开始。
去年,Nano Banana 将 Gemini 的智能带到了图像生成和编辑领域。从那时起,它已帮助数百万人修复老照片、根据草图进行设计,并以以前不可能的方式将想法可视化。从一开始,我们就将 Gemini 构建为原生多模态模型,而现在我们正在迈出下一步。
我们推出 Gemini Omni,在这里,Gemini 的推理能力与创造能力相遇。Omni 是我们的新模型,能从任何输入创造任何东西——首先从视频开始。借助 Omni,你可以将图像、音频、视频和文本组合作为输入,生成基于 Gemini 现实世界知识的高质量视频。你还可以通过对话轻松编辑视频。
今天,我们向 Gemini 应用、Google Flow 和 YouTube Shorts 推出 Omni 系列的首个模型:Gemini Omni Flash。随后我们还将支持图像和音频等输出模态。以下是 Omni 的一些特别之处:
通过对话编辑你的视频
Gemini Omni 为你提供了一种更轻松的视频编辑方式——使用自然语言。每条指令都建立在前一条的基础上。角色保持一致,物理效果经得起推敲,场景会记住之前发生的一切。
改变你周围的世界。改变特定的事物,或改变一切。你的视频成为你自己永远无法拍摄出来的作品的起点。
提示词:用气泡制作这个雕塑。
重新想象动作。拿一段你拍摄的视频,只需让 Omni 改变正在发生的事情。编辑动作、添加新角色或物体,或将某个瞬间转变为意想不到的东西。
跨多轮对话精修你的视频。改变环境、角度、风格甚至具体细节,而不会丢失原始场景的脉络。滚动浏览轮播图,看看编辑如何层层叠加。
基于 Gemini 的世界知识,让想法变为现实
Gemini Omni 不仅构建看起来真实的场景,还会推理接下来应该发生什么。它将直观的物理理解与 Gemini 对历史、科学和文化背景的知识相结合,弥合了从照片级真实感到有意义的故事叙述之间的差距。
以更准确的物理效果创建视觉内容。Omni 对重力、动能和流体动力学等作用力有了更敏锐的直观理解,让你能够创建更逼真的场景。
提示词:一颗弹珠在连锁反应风格的轨道上快速滚动,连续平滑镜头。
融合知识与创造力。Omni 借助 Gemini 的知识,以远超模式匹配的方式将语言、图像和意义联系起来。
提示词:视频展示字母表中的各个字母。每个字母对应一件以该字母开头的特别物品,摆在桌子上(比如 C 是水豚 Capybara,D 是迪斯科球,L 是熔岩灯)。所有 26 个字母必须由 26 件物品表示,并配有显示该字母的对应下三分之一字幕。每次只显示一件物品和一个下三分之一字幕。每个下三分之一字幕必须看起来像用黑色记号笔写在一张纸条上,位于左下角。快速切换,在 24FPS 下每件物品大约 9 帧。最后一帧是一张写着 "THE END" 的纸条。整个视频配上平静流畅的音乐。
让复杂的概念可视化。Omni 可以根据简短的提示词创建引人入胜的讲解视频,生成能够拆解更复杂概念的视觉内容。
提示词:用黏土动画讲解蛋白质折叠,一切都由黏土制成,画面中无手,定格动画,准确
通过任意输入组合创作视频
引用任何内容。Omni 可将任何参考——图像、文字、视频或音频——转化为单一、连贯的输出。音频方面初期仅支持语音参考,我们很快会推出其他类型的音频输入。
从你已有的素材开始。借助输入参考,你可以使用角色、场景或绘图图像进行创作,以符合你的构想。
应用风格、动态或效果。通过输入参考定义视觉语言,或者直接用自然语言描述。Omni 会融合输入参考,创作出连贯的短片。
用你自己的数字化身创作视频
我们致力于负责任地开发 AI,并制定了明确的政策来保护用户免受伤害,同时规范我们 AI 工具的使用。首先,你可以使用化身功能用自己的声音创作视频,该功能会创建你的数字版本,让你生成看起来和听起来都像你本人的视频。除化身功能外,在编辑视频以更改音频和语音方面,我们仍在进行测试,以便更好地了解如何负责任地向用户推出这项功能。
所有使用 Omni 创作的视频都包含我们难以察觉的 SynthID 数字水印。你可以通过 Gemini 应用、Chrome 中的 Gemini 以及 Google 搜索轻松验证视频是否由 Gemini Omni 生成。如需了解我们如何扩展内容透明度和验证工具,以帮助你了解网络上的内容是如何创建和编辑的,请参阅我们的博客文章。
立即试用 Gemini Omni
今天,我们推出 Omni 系列的首个模型——Gemini Omni Flash。Gemini Omni Flash 从今天起通过 Gemini 应用和 Google Flow 向全球所有 Google AI Plus、Pro 和 Ultra 订阅者推出。从本周开始,它还将免费向 YouTube Shorts 和 YouTube Create 应用的用户推出。
在接下来的几周内,我们还将通过 API 向开发者和企业客户推出。
合集
I/O 2026
以下是我们在 Google I/O 2026 上发布的所有内容一览。
查看更多
在您的收件箱中获取 Google 最新资讯
订阅我们的新闻通讯,获取产品更新、活动信息、特别优惠等内容。
您的信息将按照Google 隐私政策。使用。您可以随时选择退订。
来源:Google DeepMind:Blog · deepmind.google