Google DeepMind 公布了 Gemini Omni 頁面。它的定位很直接：從任意輸入創作內容，目前重點從影片開始。
如果說 Nano Banana 更偏向圖像生成和編輯，那麼 Gemini Omni 更像是面向影片的多模態編輯模型。使用者可以透過自然語言一步步修改影片，讓後一次修改建立在前一次修改之上，並盡量保持場景、人物、動作和畫面邏輯的一致性。
專案頁面：https://deepmind.google/models/gemini-omni/
它解決的核心問題
傳統影片編輯往往需要時間軸、圖層、遮罩、關鍵影格、調色、音軌和大量手動操作。AI 影片生成工具雖然可以從提示詞生成片段，但經常存在兩個問題：
- 一次生成後不容易精細修改。
- 多輪修改時人物、場景、風格和動作容易漂移。
Gemini Omni 想解決的是第二步：不是只生成一段影片，而是讓使用者像和剪輯師溝通一樣，持續提出修改要求。
頁面給出的說法是，它可以透過自然、分步驟的對話編輯任何影片。每次編輯都建立在前一次結果上，目標是保持一個連貫、統一的場景。
主要能力
Gemini Omni 的能力可以分成幾類。
第一類是自然語言影片編輯。使用者可以直接要求模型改變影片裡的美學風格、動作或特效。例如讓鏡子像液體一樣泛起波紋，讓人物變成線稿、毛氈玩偶、透明全息線框，或者讓整個環境變成 3D voxel art。
第二類是重構動作。它可以改變影片中發生的事情，例如放大手部形成的孔洞、讓玩具發出對應動物聲音、讓建築燈光隨音樂點亮。
第三類是基於參考圖像編輯真實影片。使用者可以給出圖像參考，再要求模型把某種建築、太陽、飛行器或其他物體放進真實影片場景裡。
第四類是多輪編輯保持一致性。頁面展示了把小提琴手移動到參考圖像環境、讓小提琴消失、再把鏡頭改成越肩角度的連續編輯流程。這比一次性提示詞更接近真實創作過程。
第五類是多輸入引用。Gemini Omni 可以把圖像、文字、影片、音訊等輸入整合成一個輸出，支援風格遷移、動作遷移、角色替換、草圖轉影片等任務。
為什麼它強調世界知識
Google 在頁面裡反覆強調，Gemini Omni 不只是「畫面變得真實」，而是結合 Gemini 的世界知識、物理直覺、歷史、科學和敘事邏輯。
這點很重要。影片模型如果只追求畫面質感，容易出現動作不合邏輯、物體關係混亂、文字和畫面不同步的問題。Gemini Omni 的目標是讓影片不僅看起來像，還要在故事、物理和語義上更連貫。
頁面中的例子包括：
- 大理石在連鎖反應軌道上滾動。
- 用 claymation 解釋蛋白質折疊。
- 用擬物化 stop motion 解釋海馬體工作方式。
- 讓字母和畫面裡的物體對應出現。
- 讓螢幕文字按節奏逐詞出現。
這些例子說明它不是單純的短影片特效工具，而是試圖把知識表達、敘事和視聽生成放在一起。
和 Veo、Flow、Nano Banana 的關係
從 Google 目前產品線看，Gemini Omni 更像是多模態創作和編輯能力的一層入口。
Veo 更偏影片生成模型本身，強調電影感影片和音訊生成。Google Flow 是面向創作者的 AI 創意工作室，適合組織鏡頭、素材和影片專案。Nano Banana 更偏圖像建立和細節編輯。Gemini Omni 則強調「從任意輸入到一致輸出」的多模態編輯，尤其是影片上的多輪自然語言控制。
簡單理解：
- 想生成高品質影片：關注 Veo。
- 想在創作工作流裡組織影片專案：關注 Google Flow。
- 想編輯圖像：關注 Nano Banana。
- 想用對話方式修改影片，並引用圖片、文字、影片、音訊：關注 Gemini Omni。
使用入口
頁面給出的入口包括：
- Gemini app。
- Google Flow。
- YouTube Shorts。
不過頁面也說明，需要 Google AI 訂閱，功能會因訂閱層級和地區而不同。也就是說，並不是所有使用者在所有地區都能立即使用完整能力。
對創作者來說，最值得關注的入口可能是 Google Flow，因為它更接近完整創意工作台。對普通使用者來說，Gemini app 和 YouTube Shorts 可能是更低門檻的體驗入口。
安全和內容標記
Gemini Omni 頁面專門提到安全流程。Gemini Omni Flash 的開發與內部安全、安全責任團隊合作，並進行了自動化評估、人工評估、人工紅隊、自動化紅隊和發布前倫理安全審查。
內容透明度方面，頁面說明透過 Omni 在 Gemini app、Google Flow 或 YouTube 建立或編輯的內容，會包含不可感知的 SynthID 數位浮水印和 C2PA Content Credentials。使用者可以透過 Gemini app 驗證內容，後續也會擴展到 Chrome 和搜尋。
這部分對影片模型尤其關鍵。影片生成和影片編輯越真實，越需要內容來源標識、濫用防護和驗證工具。
適合哪些人
Gemini Omni 適合幾類使用者：
- 想用自然語言快速修改影片的內容創作者。
- 需要把草圖、參考圖、音訊、影片素材整合成成片的設計團隊。
- 做短影片、廣告概念、教育解釋影片和產品視覺稿的人。
- 想在 Google Flow 中構建 AI 影片工作流的創作者。
- 關注多模態影片編輯能力邊界的開發者和研究者。
但它也不一定適合所有場景。嚴肅商業片、品牌主視覺、影視製作、產品發布影片仍然需要人工審片、版權檢查、事實校對和素材管理。AI 可以明顯加速概念生成和初稿迭代，但不應替代最終審核。
怎麼看 Gemini Omni
Gemini Omni 的意義在於，它把 AI 影片從「一次性生成」推進到「可對話修改」。這比單純提升畫質更接近真實創作流程。
如果它在多輪編輯、一致性、參考素材控制、音畫同步和內容標記上表現穩定，AI 影片工具的使用方式會發生變化：使用者不再只寫一條長提示詞賭結果，而是像導演、剪輯師、設計師一樣，逐輪修改場景、動作、風格和敘事。
目前仍要看實際開放範圍、價格、地區限制、生成時長、解析度、版權策略和商用規則。對於普通創作者，最實用的觀察點是：它在 Google Flow 和 Gemini app 裡能不能穩定完成多輪影片修改。
參考來源：