ITCOW牛新网 5月20日消息，在今日的2026谷歌I/O开发者大会上，谷歌正式揭晓了Gemini Omni模型。这款被官方定义为迈向“世界模型”关键一步的新品，最大的亮点在于其打破了输入输出模态的限制，宣称能够实现“从任何输入生成任何输出”。目前，该模型率先落地了视频输出能力，用户只需输入简单的提示词，如要求生成一段关于蛋白质折叠的解说视频，模型便能基于训练积累的知识直接生成包含复杂科学概念的影像，而非简单地从素材库拼接。
Gemini Omni不仅在生成能力上表现惊艳，更在编辑交互上带来了革命性的变化。它支持通过自然语言进行多轮对话式编辑，用户可以在视频生成过程中随时提出修改意见，例如一句话改变视频中的角色、背景或风格。谷歌强调，该模型结合了Gemini的现实世界知识，在编辑时能有效维持角色一致性、物理逻辑和场景上下文，生成符合重力、动能等物理规律的结果。这相当于将此前Nano Banana在图像编辑领域重新定义规则的能力，完整复刻到了视频维度，让抽象概念转化为具象视频内容成为可能。
据ITCOW牛新网了解，伴随Gemini Omni一同登场的还有该家族的首款模型——Gemini Omni Flash。即日起，Google AI Plus、Pro和Ultra的订阅用户已经可以在Gemini App和Google Flow中体验到这款新模型，本周起它也将向YouTube Shorts和YouTube Create的用户免费开放。对于开发者和企业客户而言，相关的API服务预计将在未来数周内正式推出，以便更广泛的生态能够接入这一全能型的生成式AI能力。
文章导航
DeepSeek回应字符触发异常回复：属模型幻觉不涉及隐私泄露
谷歌I/O 2026：Gemini集成C2PA内容凭证，强化Deepfake识别与防御
