多模態影片生成
從文字、圖片、音訊或影片輸入生成高品質、高解析度的影片；模型卡說明其支援多種輸入類型與附帶音訊的影片輸出。
概覽
Gemini Omni 是 Google DeepMind 的模型，可從多種輸入建立與編輯影片。產品頁將其定位為一種可「從任何內容創造任何內容」的方式，起點是影片，而模型卡則將其描述為從文字、圖片、音訊與影片生成和編輯媒體的下一步。
這項產品以對話式編輯與多模態創作為核心。其範例展示使用者如何變更場景、重新想像動作，並將參考資料整合成單一輸出；同時模型卡指出，它可產生高品質、高解析度且附帶音訊的影片，並支援透過 Gemini App 與 Google Flow 使用。
功能
以對話為基礎的編輯
透過自然對話編輯影片，因此每一次新指令都能建立在前一次結果上，而不必在每次變更後重新開始。
轉換現有片段
使用提示詞調整輸入影片的美感、動作或效果，例如變更材質、風格轉換或場景變形。
參考驅動創作
將不同參考資料整合為單一且連貫的輸出，可將圖片、文字、影片或音訊作為起點。
具世界感知的場景生成
運用廣泛的世界知識與物理理解，支援既有真實感也有風格化或超現實感的場景。
可在 Google 介面中使用
可透過 Gemini 或 Google Flow 使用同一模型，如產品頁與模型頁所示。
使用情境
生成新的影片概念
從提示開始，並利用模型對高品質文字或其他參考資料生成的支援，從零產出影片內容。
透過對話編輯片段
透過逐步編輯既有影片進行迭代，每一輪都讓同一場景更精緻，而不是完全替換它。
重新想像視覺風格與動作
轉換片段的風格或效果，例如變更材質、將人物變成不同的視覺形式，或把整個環境轉換成另一種媒介。
合併多個參考資料
在專案需要由混合來源素材產生一致結果時，將文字、圖片、音訊與影片等多種參考資料整合為單一輸出。
在 Google 介面中工作
當工作流程更適合使用 Google 的託管介面，而非獨立本機工具時，可在 Gemini 或 Google Flow 中使用此模型。
Pros and Cons
Pros
- 支援多種輸入類型，包括文字、圖片、音訊與影片。
- 可讓使用者透過自然對話進行編輯，而不是從零重建場景。
- 能讓變更在多輪對話中持續建立於先前指令之上。
- 旨在結合 Gemini 的推理能力與生成式媒體能力，以產生更具真實感的輸出。
- 可透過多個 Google 介面使用，包括 Gemini App 與 Google Flow。
Cons
- 模型卡指出，在各次編輯之間維持完全一致性仍然具有挑戰。
- 複雜動作的場景也被列為較難處理。
- 完全準確的文字渲染仍然是一項限制。
FAQ
Gemini Omni 用於什麼？
Gemini Omni 被描述為一個可從文字、圖片、音訊或影片輸入建立與編輯影片的模型。根據產品頁面顯示的工作流程，它可在 Gemini 與 Google Flow 中使用。
我可以在哪裡試用 Gemini Omni？
來源資料顯示，Gemini Omni 可透過 Gemini App 與 Google Flow 使用。模型卡說明它會透過這些管道提供，而產品頁也包含在 Gemini 與 Google Flow 中試用的連結。
Gemini Omni 會輸出什麼？
模型卡指出，Gemini Omni Flash 會輸出具有音訊的高品質、高解析度影片。產品頁也強調以對話方式編輯，並將參考資料整合為單一一致的結果。
Gemini Omni 的主要限制是什麼？
模型卡提到，在編輯過程中維持完全一致性、處理複雜動作場景，以及渲染完全準確的文字，仍然是挑戰。
Gemini Omni 有獨立定價嗎？
定價頁沒有提供 Gemini Omni 的專屬價格資訊，只是將 Gemini Omni 顯示為 Google DeepMind 更廣泛模型陣容的一部分。
Quick Facts
- 類別
- AI 影片生成與編輯
- 產品系列
- Gemini
- 輸入
- 文字、圖片、音訊與影片
- 輸出
- 高品質且附帶音訊的影片
- 存取介面
- Gemini App 與 Google Flow
- 來源網域
- deepmind.google
Gemini Omni 替代品
艺映AI
藝映AI 是一款免費 AI 影片製作工具，可透過文字、圖片或既有影片生成影片，適合短影音、宣傳剪輯與風格化 AI 影片專案。
Coursebox
Coursebox AI Training Video Generator 可依腳本、投影片或虛擬人像設定製作訓練影片，適合課程作者與團隊快速產出培訓內容，免攝影器材與手動剪輯。
VIDEOAI.ME
VIDEOAI.ME 是一款 AI 影片生成器，可依腳本製作代言人風格影片、廣告、解說影片與社群內容，適合不想拍攝即可產出影片的創業者、行銷人員、代理商與創作者。
Video Effects SDK
Video Effects SDK 提供即時 webcam 特效，包括背景模糊、背景替換或移除、去噪、畫面取景、美顏與色彩調整，適用於 Web、桌面與行動端的即時視訊體驗。
HeyGen Developers
HeyGen Developers 官方 API 文件，支援 AI 虛擬人影片、翻譯、口型同步與互動式 video-agent 工作流程，提供 API、MCP 與 CLI 介接方式。
DeepMotion
DeepMotion 是一個基於網頁的 AI 動作捕捉與 3D 動畫平台，提供 Animate 3D 影片轉動畫與 SayMotion 文字轉動畫，讓創作者與團隊可在瀏覽器中產生動作並匯出常見製作格式。