什么值得买App下载 App ›
连续签到专享现金活动

Google全能模型炸场!文本图像音频视频统一生成,10秒高清视频随便造

2026年5月19日,Google在I/O开发者大会上正式发布Gemini Omni系列首款模型Gemini Omni Flash。该模型采用统一Transformer架构,原生支持文本、图像、音频、视频四种输入模态,可在单次推理中输出高清视频及同步音频。Google将Omni定位为“任意输入生成任意输出”的全能型生成引擎,整合了图像模型Nano Banana、视频模型Veo及世界模型Genie的技术能力。即日起,Omni Flash通过Gemini应用、Google Flow及YouTube Shorts向用户开放。123
  • 架构特性:统一Transformer全能模型,文本、图像、音频、视频四种模态共享统一语义表示空间
  • 输出规格:720p高清视频,单个片段最长10秒;配套生成同步音频(口型同步对话、音效、环境音)
  • 对话式编辑:支持多轮自然语言指令,可调整摄像机角度、替换对象、修改背景,编辑具有累积性
  • 物理理解:增强的重力、动能和流体力学理解,运动效果更符合真实物理规律
  • 多参考叠加:支持在单一提示词中同时使用角色图像、音频文件和风格参考
模型现已开放三个官方渠道。Gemini应用面向Google AI Plus、Pro和Ultra订阅用户;Google Flow提供免费层,任何Google账号均可使用;YouTube Shorts和YouTube Create应用对18岁以上用户免费开放。1
订阅方案月费主要权益适用场景
AI Plus约7.99美元起Gemini Omni Flash访问权限尝鲜体验
AI Pro未公开包含5TB存储、YouTube Premium Lite创作者日常使用
AI Ultra约100至200美元4K放大、最高额度工作室级产出
Google Flow免费层免费Omni Flash基础功能(有用量上限)无需订阅
公开Vertex AI API预计在未来数周内陆续推出。1
功能现状与使用限制
用户实测反馈显示,Omni Flash当前存在多项硬性限制。分辨率默认输出720p,无法手动调高;每日用量受额度约束,Pro订阅用户约可生成4至5条视频。跨场景切换时角色一致性存在漂移,面部细节、手部结构和衣服纹理随编辑轮次累积逐渐变化。部分用户指出其视频生成质量与Seedance 2.0等竞品相比仍有差距,运镜效果和细节保留方面存在不足。456
  • 分辨率限制:默认720p,无法手动调高至1080p或4K
  • 时长限制:单个视频最长10秒,更长时长功能尚在开发中
  • 角色一致性:跨场景、灯光、时间、服装切换时存在主体漂移
  • API限制:暂不支持音频参考上传和场景扩展;3秒以上视频参考输入处理异常
  • 日用量上限:受订阅额度约束,反复迭代成本较高
内容溯源与安全机制
所有由Omni Flash生成的视频均强制嵌入SynthID数字水印。该水印对人眼不可见,但可通过技术手段识别。配合C2PA内容凭证实现溯源。用户可通过Gemini应用、Chrome中的Gemini扩展及Google搜索验证视频来源。平台目前仅支持使用自身声音创建数字分身,更改他人音频和语音的相关功能仍在测试中。17

评论

评论区空态插画

当前文章无评论,是时候发表评论了