谷歌发布全新视频模型 Gemini Omni，视频编辑迎来质变

sowang

Gemini Omni 可以说是这次 Google I/O 大会上最亮眼的产品。这款由 Google DeepMind 团队推出的全新多模态视频生成和编辑模型，可以说是视频领域的 “Nano Banana”。和之前的 Veo 相比，Omni 最大的突破在于它是一个从底层架构重新设计的全模态模型，支持把图像、视频和音频素材混合输入，通过非常简单的日常语言（Prompt）就能完成复杂的视频编辑。

模型最让人惊艳的地方，是它的可控性和对时间维度的感知力。比如你可以让画面里演奏的小提琴凭空消失，或者直接改变摄像机的拍摄视角，而背景和人物动作依然保持完全一致。甚至你只需要提供自己几张不同角度的照片和一段语音，就能一键生成声音和表情都高度还原的个人虚拟分身。

更有意思的是，Omni 还展现出了一些没有经过专门训练的涌现能力，比如自动让视频画面配合音乐节奏进行同步，或者根据上一段视频的剧情逻辑，直接续写并生成下一个场景。

安全方面，DeepMind 也考虑得很周全。所有生成的视频都会默认嵌入 SynthID 隐形水印，并且支持 C2PA 元数据标准，用户可以直接在 Gemini 应用里上传视频来检测它到底是不是 AI 生成的。目前普通用户已经可以在 Gemini 应用中体验到这些功能，专业创作者则可以通过 Flow 工具进行更深度、多轮的创作。



谷歌发布全新视频模型 Gemini Omni，视频编辑迎来质变
https://weibo.com/tv/show/1034:5 ... om=old_pc_videoshow