谷歌发布Gemini Omni视频模型,对话式编辑突破文字乱码难题
事件速览
- 核心事件:谷歌于I/O大会前夕意外泄露全新视频生成模型 Gemini Omni,凭借精准的文本一致性与对话式实时编辑能力引发热议
- 实测表现:核心Demo“教授黑板推公式”实现了公式准确、推导连贯、笔迹自然,突破了AI视频“文字乱码”的行业痛点
- 行业背景:该模型曝光恰逢OpenAI Sora因日均千万美元级算力成本与低留存率于4月26日全面关停之后
- 功能定位:Omni深度集成Gemini生态,支持10秒/1280×720视频生成及一键去水印、智能物体替换等对话式编辑
展开说说
黑板上的逻辑革命
Gemini Omni之所以在泄露后迅速刷屏,核心在于它攻克了AI视频生成中“看不见”与“算不对”的顽疾。在全网流传的“教授黑板推导三角恒等式”Demo中,模型不仅准确渲染了粉笔书写时的物理痕迹和粉笔灰,更关键的是对数学逻辑的深度理解——公式完全正确,推导过程丝滑连贯。这标志着AI视频已从单纯的视觉模仿进化到了对物理规则与逻辑推理的精准复刻阶段,能够胜任带字幕科普、带参数宣传等高精度任务。
Gemini Omni之所以在泄露后迅速刷屏,核心在于它攻克了AI视频生成中“看不见”与“算不对”的顽疾。在全网流传的“教授黑板推导三角恒等式”Demo中,模型不仅准确渲染了粉笔书写时的物理痕迹和粉笔灰,更关键的是对数学逻辑的深度理解——公式完全正确,推导过程丝滑连贯。这标志着AI视频已从单纯的视觉模仿进化到了对物理规则与逻辑推理的精准复刻阶段,能够胜任带字幕科普、带参数宣传等高精度任务。
填补真空的生态位
Omni的登场时机极具战略意义。就在半个月前,OpenAI的Sora因日均100万至1500万美元的惊人算力成本和不足8%的30天留存率,在总收入仅约210万美元的惨淡业绩下被迫关停。谷歌迅速填补了这一产能真空,但路径截然不同:Omni并非独立工具,而是作为“视频版Nano Banana”深度嵌入Gemini对话流,将视频操作转化为任务推进中的自然步骤。这种生态集成策略依托YouTube Shorts、Workspace等分发渠道,有望避免重蹈Sora高成本低留存的覆辙。
Omni的登场时机极具战略意义。就在半个月前,OpenAI的Sora因日均100万至1500万美元的惊人算力成本和不足8%的30天留存率,在总收入仅约210万美元的惨淡业绩下被迫关停。谷歌迅速填补了这一产能真空,但路径截然不同:Omni并非独立工具,而是作为“视频版Nano Banana”深度嵌入Gemini对话流,将视频操作转化为任务推进中的自然步骤。这种生态集成策略依托YouTube Shorts、Workspace等分发渠道,有望避免重蹈Sora高成本低留存的覆辙。
对话式编辑的新范式
除了生成能力,Omni更展示了“直接在聊天框里剪视频”的交互革新。实测显示,用户只需发送自然语言指令,如“把右下角水印去掉”或“把意大利面换成奶油浓汤”,模型便能执行逐帧重编,且光影折射与遮挡关系能完美自适应。虽然早期测试显示其单次算力消耗极高,Pro用户生成两段视频即耗尽86%的日额度,但这种所见即所得的低门槛创作,已预示着AI视频从“生成”向“对话编辑”时代的范式跃迁。
除了生成能力,Omni更展示了“直接在聊天框里剪视频”的交互革新。实测显示,用户只需发送自然语言指令,如“把右下角水印去掉”或“把意大利面换成奶油浓汤”,模型便能执行逐帧重编,且光影折射与遮挡关系能完美自适应。虽然早期测试显示其单次算力消耗极高,Pro用户生成两段视频即耗尽86%的日额度,但这种所见即所得的低门槛创作,已预示着AI视频从“生成”向“对话编辑”时代的范式跃迁。
历史事件回溯
当前事件
谷歌Omni视频模型实测表现不及Seedance
- 发布表现:2026年5月19日I/O大会发布,实测运动场景物理逻辑弱
- 核心缺陷:跳高穿模、高尔夫球无旋转、跳水姿态错误
- 竞品对比:同提示词下Seedance 2.0在四组运动视频均胜出
2025年11月
Sora开放测试引发视频生成模型竞争
- 发布表现:OpenAI于2025年11月向部分创作者开放Sora测试权限
- 核心缺陷:早期版本存在手部细节错误与时间逻辑混乱问题
- 竞品对比:当时优于Runway Gen-2,但物理模拟仍不完善
2024年3月
Runway Gen-2上线引爆AI视频创作热潮
- 发布表现:2024年3月正式推出,支持文本/图像生成短视频
- 核心缺陷:动作连贯性差,复杂场景易出现物体崩解
- 竞品对比:领先Pika 1.0,但无法处理精确物理交互


当前文章无评论,是时候发表评论了