简介

Gemini Omni是Google于2026年5月在Google I/O开发者大会上发布的全新多模态视频生成模型，被誉为视频生成领域的"Next Step"。作为Gemini家族的最新成员，Omni将生成式视频能力从独立的Veo产品线整合到核心Gemini系统中。

技术原理

Gemini Omni采用统一的多模态架构，能够原生处理文本、图像、视频和音频输入，并生成对应的视频输出。该模型继承了Gemini的真实世界知识，能够理解重力、动能、流体动力学等物理规律，使生成的场景更加逼真。

核心特性

• 支持对话式编辑（Chat-native Editing），用户可通过自然语言对话持续优化视频
• 保持角色、物体和场景在多轮编辑中的一致性
• 集成了SynthID数字水印技术，可验证AI生成内容
• 支持创建数字Avatar，模拟用户的外貌和声音

发展历程

2026年5月19日：Gemini Omni Flash正式发布

应用趋势

Gemini Omni被视为Google在生成式AI视频领域的重要突破，其深度集成到Search、Gemini App、Flow和YouTube等平台的战略优势，将推动AI视频创作的大规模普及。