多模态视频生成
可根据文本、图片、音频或视频输入生成高质量、高分辨率视频；模型卡说明其支持多种输入类型，并输出带音频的视频。
概述
Gemini Omni 是 Google DeepMind 的模型，可基于多种输入创建和编辑视频。产品页将其定位为一种“从任何内容创建任何内容”的方式，起点是视频；模型卡则将其描述为从文本、图片、音频和视频生成并编辑媒体的下一步。
该产品围绕对话式编辑和多模态创作构建。示例展示了用户如何更改场景、重新构想动作并将多个参考整合到单一输出中；模型卡则指出，它可生成高质量、高分辨率且带音频的视频，并支持通过 Gemini App 和 Google Flow 使用。
功能
基于对话的编辑
通过自然对话编辑视频，因此每条新指令都可以在前一轮基础上继续调整，而无需在每次修改后重新开始。
改造现有素材
使用诸如材质变化、风格转换或场景变换等提示，调整输入视频中的美学、动作或效果。
参考驱动创作
将不同参考内容整合为一个连贯输出，以图片、文本、视频或音频作为起点。
具备世界认知的场景生成
结合广泛的世界知识和物理理解，支持既有真实感又可风格化或超现实的场景。
可在 Google 产品界面中使用
可通过 Gemini 或 Google Flow 使用同一模型，正如产品页和模型页所示。
使用场景
生成新的视频概念
从提示词开始，借助模型对文本或其他参考内容的高质量生成能力，从零创建视频内容。
通过对话编辑素材
通过逐步编辑请求迭代现有视频，每一轮都在细化同一场景，而不是完全替换它。
重新构想视觉风格和动作
转换片段的风格或效果，例如改变材质、将人物转为另一种视觉形式，或把整个环境切换到另一种媒介中。
合并多个参考内容
当项目需要从混合来源材料中得到统一结果时，将文本、图片、音频和视频等多个参考内容合并为一个输出。
在 Google 产品界面中工作
当工作流更适合使用 Google 托管界面而不是独立本地工具时，在 Gemini 或 Google Flow 中使用该模型。
Pros and Cons
Pros
- 支持多种输入类型，包括文本、图片、音频和视频。
- 允许用户通过自然对话进行编辑，而不是从头重建场景。
- 可以让修改在多轮对话中持续建立在先前指令之上。
- 旨在将 Gemini 的推理能力与生成式媒体能力结合起来，带来更有依据的输出。
- 可通过多个 Google 产品界面访问，包括 Gemini App 和 Google Flow。
Cons
- 模型卡指出，在编辑过程中保持完全一致性仍然是一个挑战。
- 复杂运动场景也被明确列为困难。
- 完美准确的文本渲染仍然是一个限制。
FAQ
Gemini Omni 用于什么？
Gemini Omni 被描述为一款可基于文本、图片、音频或视频输入创建和编辑视频的模型。根据产品页展示的工作流，它可在 Gemini 和 Google Flow 中使用。
我可以在哪里试用 Gemini Omni？
源材料显示 Gemini Omni 可通过 Gemini App 和 Google Flow 使用。模型卡说明它通过这些渠道分发，产品页也提供了在 Gemini 和 Google Flow 中试用的链接。
Gemini Omni 会输出什么？
模型卡指出，Gemini Omni Flash 输出高质量、高分辨率且带音频的视频。产品页也强调了基于对话的编辑，以及将参考内容整合为一个连贯结果。
Gemini Omni 的主要限制是什么？
模型卡指出，在编辑过程中保持完全一致性、处理复杂运动场景以及准确渲染文本仍然是挑战。
Gemini Omni 是否单独定价？
定价页面没有提供 Gemini Omni 的单独产品定价，只是将 Gemini Omni 作为 Google DeepMind 更广泛模型阵容的一部分展示。
Quick Facts
- 类别
- AI 视频生成与编辑
- 产品系列
- Gemini
- 输入
- 文本、图片、音频和视频
- 输出
- 带音频的高质量视频
- 访问界面
- Gemini App 和 Google Flow
- 来源域名
- deepmind.google
Gemini Omni 替代品
艺映AI
艺映AI是一款免费的AI视频创作工具，可通过文本、图片或现有视频生成视频，适用于短视频、推广剪辑和风格化AI视频项目。
Coursebox
Coursebox AI 训练视频生成器可根据脚本、幻灯片或头像设置快速制作培训视频，适合课程作者和团队，无需拍摄设备或手动剪辑。
VIDEOAI.ME
VIDEOAI.ME 是一款 AI 视频生成器，可将脚本快速转为口播视频、广告、讲解视频和社媒内容，无需拍摄或传统剪辑，适合创始人、营销人员、代理商和创作者。
Video Effects SDK
Video Effects SDK 为网页、桌面和移动端直播视频提供实时摄像头特效，包括背景模糊、背景替换或移除、降噪、自动构图、美颜和色彩调节。
HeyGen Developers
HeyGen Developers 官方 API 文档，支持制作 AI 头像视频、视频翻译、口型同步和交互式视频代理会话；适合开发者通过 API、MCP 和 CLI 工作流接入。
DeepMotion
DeepMotion 是一款基于网页的 AI 动作捕捉与 3D 动画平台，提供 Animate 3D 视频转动画和 SayMotion 文本生成动画，支持浏览器创作并导出常用制作格式。