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
- 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
- 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
当前文章无评论,是时候发表评论了