Gemini Omni 是谷歌在 I/O 2026 上发布的全新模型，定位为"世界模型"。它整合了图像模型 Nano Banana、视频生成模型 Veo 和世界模型 Genie，核心能力是"任意输入到任意输出"。当前阶段以视频生成为切入点，已面向 Google AI 订阅用户开放。如果你做视频内容创作或需要 AI 辅助的视觉制作，这个工具值得尝试。

它是什么

Gemini Omni 不是单纯的视频生成模型。它把 Gemini 的推理能力与 Google 既有的生成式媒体模型结合，能同时理解文字、图像、音频、视频之间的关系，并基于这种理解生成或修改内容。

简单说：你可以给它一段文字、几张图片、一段音频，它理解这些素材之间的关联后，生成完整的视频内容。并且，你可以用自然语言持续修改生成结果。

核心能力

1. 对话式视频编辑

这是 Omni 最实用的能力。你上传一段视频后，可以用自然语言告诉它怎么改：

• "当人触摸镜子时，让镜子像液体一样泛起涟漪"
• "把手臂变成反光材质"
• "把这个场景改成夜间风格"

Omni 会保留原始视频的人物动作和场景结构，只修改你指定的部分。每一轮修改都基于上一轮的结果继续，角色一致性、物理规律和场景记忆都会保持。

2. 物理模拟

Omni 在物理模拟上有了质的飞跃。它能理解重力、动能、碰撞等物理规律。例如，当你要求生成"一条在连锁反应轨道上快速滚动的弹珠"时，Omni 展现出对物理法则的精确理解。

3. 从文本到教学视频

输入"制作一段蛋白质折叠的黏土动画解释"，Omni 能直接产出带有结构演示的教学视频，不只是文字配图。

4. 多素材混合输入

Omni 可以把图片、文字、视频和音频作为参考素材，整合成一个连贯的输出。不再需要从零开始写 Prompt，你可以直接用现有的素材组合作为输入。

怎么用

Gemini Omni Flash 已于 5 月 19 日上线，面向以下用户开放：

在 Gemini App 中，你可以选择"生成视频"体验 Omni 的能力。目前提供 18 种预设风格，包括 80 年代 MV、蒙太奇、美漫、涂鸦特效、像素冒险等。Pro 账户每天有 3 次生成机会。

水印与内容验证

所有 Omni 生成的视频都自带肉眼不可见的 SynthID 数字水印。你可以在 Gemini App、Chrome 和 Google Search 中验证内容是否由 AI 生成。针对真实人脸的使用，Omni 还提供了 Avatar（数字分身）功能。

与 Seedance 2.0 对比

目前已经有网友将 Omni 和 Seedance 2.0 进行了初步对比。整体来看，Seedance 2.0 表现更稳定，Omni 在某些特定场景下表现更强，特别是在物理模拟和多轮编辑方面。

适合谁

• 视频创作者：需要快速制作教学、解释类视频
• 内容营销人员：需要从现有素材快速生成视频内容
• 教育工作者：将抽象概念可视化为动画
• 设计师：快速探索视频风格和视觉方案