什么值得买App下载 App ›
连续签到专享现金活动

谷歌推Gemini Omni Flash:对话式AI视频编辑来了,10秒内改万物

01Gemini Omni Flash 正式上线
2026年5月20日,谷歌在Google I/O 2026开发者大会期间正式推出Gemini Omni模型家族的首款产品——Gemini Omni Flash。该模型即日起通过Gemini应用向全球Google AI Plus、Pro和Ultra订阅用户开放,并同步集成至Google Flow创意工具及YouTube Shorts平台。根据谷歌官方说明,Omni Flash当前仅支持视频输出,但未来将扩展至图像、音频等其他模态。用户可通过自然语言指令实现视频生成与编辑,例如修改角色、替换物体或调整场景背景,且支持多轮对话式迭代修改。123
Gemini Omni Flash生成的视频时长上限为10秒,此限制被谷歌产品管理总监Nicole Brichtova解释为“部署决策”,旨在平衡高算力需求与广泛可用性。尽管视频长度受限,但模型已展现出对物理规律(如重力、动能、流体动力学)的较强模拟能力,并能基于Gemini的“真实世界知识”保持角色一致性、场景连贯性与逻辑合理性。谷歌DeepMind负责人Demis Hassabis称,Omni的目标是“从任何输入创建任何内容”,目前以视频为起点,后续将逐步覆盖全模态输出。456
02核心功能聚焦对话式视频编辑
Gemini Omni Flash的核心差异化能力在于其对话式视频编辑功能。用户上传原始视频后,可通过自然语言指令直接在聊天界面中进行局部修改,例如“将桌上的意大利面换成泰式冬阴功汤”或“去除视频中的水印”。早期测试显示,该功能不仅能精准识别目标区域,还能自动适配光影、遮挡关系与场景语义,实现无缝融合。此外,模型支持保留未修改片段,仅重生成受影响帧序列,从而维持整体连贯性。这一能力显著区别于传统AI视频工具需依赖时间轴或专业剪辑软件的操作流程。789
在技术实现上,Gemini Omni融合了Gemini的多模态理解能力与Veo等生成模型的技术积累,采用统一训练框架构建跨模态共享语义空间。用户可混合输入文本、图像、音频与视频,模型将综合推理并输出单一连贯视频。例如,在演示案例中,用户手绘一条鱼,Omni可实时生成流动动画;输入黑洞素描,模型不仅能识别天体物理概念,还能生成科学准确的可视化解释。此类能力源于其对物理世界与知识体系的深度建模,而非单纯模仿训练数据中的视觉模式。101112
03资源消耗高,免费通道有限
尽管功能强大,Gemini Omni Flash的计算资源消耗极为显著。据早期测试者反馈,仅生成两个10秒视频(如数学板书推导与人物用餐场景)便耗尽Google AI Pro订阅用户的日额度86%。这一现象预示谷歌可能在正式推广阶段引入按量计费或积分制用量管理机制。值得注意的是,YouTube Shorts及YouTube Create App用户可免费使用Omni Flash功能,而Gemini应用与Google Flow则仅对付费订阅用户开放。开发者与企业级API接入计划将于未来数周内推出。894
谷歌同时宣布,更高性能的Gemini Omni Pro版本正在开发中,具体发布时间尚未确定。产品团队表示,Pro版将在生成质量、时长支持及物理模拟精度上实现“阶跃式提升”,待其达到显著优于Flash版的水平后才会发布。此举表明谷歌采取分阶段策略,先以Flash版验证市场与技术可行性,再以Pro版争夺高端创作与专业制作领域。413
04安全机制与行业竞争格局
为防范深度伪造风险,Gemini Omni Flash实施多项安全限制:仅允许用户使用自身声音与数字形象生成内容,所有输出视频均嵌入不可见的SynthID水印以标识AI生成来源。此外,系统对敏感提示词(如涉及名人肖像)设有内容护栏,测试者尝试生成“威尔·史密斯吃意大利面”场景时被拦截,转而要求描述“长相酷似”的虚构人物。这些措施反映出谷歌在推动技术创新的同时,对伦理与滥用风险保持高度警惕。814
在竞争层面,Gemini Omni Flash进入的是高度拥挤的AI视频赛道。当前主流对手包括OpenAI已放弃的Sora、字节跳动的Seedance 2.0以及Runway的Gen-4.5。独立评测指出,Flash版在原始生成质量上可能略逊于Seedance 2.0,但其对话式编辑体验构成独特优势。谷歌凭借Gemini应用、YouTube Shorts等亿级用户平台实现快速分发,战略重心从“模型性能领先”转向“工作流整合”,试图通过生态协同建立护城河。41516

评论

评论区空态插画

当前文章无评论,是时候发表评论了