Google发布Gemini Omni多模态视频模型

Google在I/O 2026大会上发布了Gemini Omni，一款全新的生成式AI模型系列，能够根据文本、图像、音频和视频输入生成和编辑视频。这标志着Google在多模态内容创作领域迈出了最具雄心的步伐。

视频的“世界模型”

Gemini Omni在加州山景城Shoreline Amphitheatre举办的I/O主题演讲中亮相。Google将其描述为超越传统文本到视频工具（如现有的Veo模型）的一步。Google DeepMind CEO Demis Hassabis称，Omni是通向“能够从任何输入创建任何内容”的系统的一步。

该系列的首个模型Gemini Omni Flash可生成最长10秒的视频片段，并包含音频。据The Verge报道，该媒体采访了Google DeepMind高级研究总监Dumitru Erhan。与Veo不同，Omni Flash以现有视频为基础创建新视频，并允许用户通过对话方式编辑生成或录制的视频——更改背景、角度、场景或其中的具体细节。

Google表示，该模型利用Gemini的“现实世界知识”生成视频，物理准确性和上下文理解能力得到提升，还能理解提示中的历史或文化背景。

可用性与定价

Gemini Omni Flash从周二起向Google AI Plus、Pro和Ultra订阅用户开放，可在Gemini应用和Google Flow中使用。据Mashable报道，本周晚些时候，它将免费在YouTube Shorts和YouTube Create应用中上线。开发者API访问权限尚未公布具体时间表。

Google还宣布了重组后的AI Ultra套餐，每月100美元起，提供更高的使用上限；原250美元套餐降至200美元。

SynthID扩展至Google之外

所有使用Omni制作的视频都将带有Google DeepMind的SynthID水印，这是一种不可见的标记，用于标识AI生成的内容。同时，Google将SynthID检测扩展到Chrome和搜索，使“圈选搜索”和“Lens”等工具能够标记AI生成的内容。

据The Verge报道，除了自家产品，Google还宣布OpenAI、Kakao、Nvidia和ElevenLabs已承诺在其AI生成内容中采用SynthID技术。Google未给出具体时间表。