作者 | 博雯

　　编辑 | 张洁

　　泄密信息漫天飞了小半个月的Gemini Omni，终于在今天凌晨的谷歌I/O 2026大会正式亮相！

　　不同于传言中的视频生成专用模型，也不是跟着Veo 3命名的“Veo 4”，谷歌DeepMind CEO Hassabis亲自登台宣布：

　　“我们正迈出下一个重要的一步——Gemini Omni，这是一个可从任何输入创建内容的全新模型。”

　　也就是说，Gemini Omni是一个真正的“全能”大模型，可以接收任意形式的输入，生成任意内容，视频生成只是其中一部分。

　　目前Gemini Omni已同步上线所有谷歌产品，AI Plus、Pro和Ultra订阅用户均可通过Gemini或谷歌AI视频创作平台Flow使用。

　　“AI新榜”第一时间订阅了级别最高的谷歌Ultra会员，对Gemini Omni进行了一手实测。

　　先说结论，有点拉。

　　实测前后一致性：

　　基本保持到位

　　通过自然语言微调视频，以及在这样的多轮编辑后，仍能保持一致性，是此次Omni重点强调的亮点。

　　在官方放出的案例中，原始视频是一位小提琴家在室内演奏。分别改变背后环境，切换镜头，甚至完全去掉演奏主体的小提琴后，演奏者的神态、动作、光影效果，细微的演奏手型，还有音乐，都还是完美适配新环境。

　　不管是精细编辑的效果，还是画面主体的一致性效果，看上去相当惊艳。

　　左右滑动查看

　　于是在实测中，我们也先来一次环境与氛围上的替换。

　　先输入提示词：俯拍视角，两辆车在一个十字路口相撞，其中是一辆蓝色的跑车，氛围惊险刺激。

　　再进行一次精细的编辑和微调，提示词为：改为夕阳西下的金色时刻，并将蓝色的车改为红色的，两辆车相撞后喷射出彩带和气球，氛围轻松梦幻。

　　可以看到，车辆颜色和光线环境确实是如实改变了，视频的整体结构和动态也基本保持了连贯，没有出现画面撕裂或失真。

　　但一个很微妙的点是，对于“撞车”这个瞬间动作，Omni理解得并不好。

　　两条视频中的两辆车都好像是在“故意”向对方开去，甚至在相撞的瞬间还刻意放缓了速度，调整了一下角度。

　　怎么说呢，仿佛能看到Omni无形的大手在操控着两辆车完成用户的指令。

　　其次，我们来检验Omni能否在动态运动中达成一致。

　　标准是同一个角色在多角度切换中，其面部特征、衣服、道具乃至发型都理应保持稳定，不会出现“同一件衣服，换个角度颜色就变了”的Bug。

　　输入提示词：中景推轨镜头，一位穿红色连衣裙的女舞者在老火车站跳现代舞，一个跳跃动作后切换为广角固定镜头，延续同一舞蹈动作，保持红裙和火车站背景的完全一致。

　　这条视频的完成度还是比较让人满意的，舞者的动作连贯，身上那条丝质红色长裙的物理效果真实，镜头从中景切到广角固定镜头也比较丝滑。

　　Omni还自动加上了一段背景音乐，虽然不算是非常具有艺术情绪，但也基本算是贴合舞蹈氛围。

　　再进行一次微调，输入提示词：去掉背景音乐，只保留环境音，比如舞蹈动作同步的脚步声和裙摆摩挲声。

　　这一次就有点问题了，视频前半段是能听到轻微的裙摆飘动和脚掌落地的声音的，但到了后半段，之前的背景乐不知为何又响了起来。

　　接下来，再测试其对于复杂人物关系和位置的理解能力。

　　标准是，在多个外貌、服饰各异的角色产生互动时，他们各自的特征并不会因为视角切换而错乱。

　　输入提示词：过肩镜头，四五位外貌打扮皆不相同的科学家在实验室讨论全息投影，镜头慢慢旋转，注意保持所有人物的容貌和着装不变。

　　也许是为了完美贴合提示词的“四五位外貌打扮皆不相同的科学家”，Omni也是贴心将给四位科学家男女老少，各色人种一应俱全。在旋转的镜头里，几位人物的外貌、服饰、声音和相对位置关系也基本保持一致。

　　不过很可惜的是，视频到了后半段突然进行了一次相当生硬的镜头切换。

　　编辑和微调也是此次官方放在最前面进行案例宣传的亮点之一。

　　话不多说，直接拿来最近在韩网爆火的AI生成棒球观赛视频，再丢给Omni一张二次元小姐姐图片（来自谷歌官网演示），让它用图片替换原视频中的人物。

　　最后的结果呢……只能说是差强人意。

　　Omni替换上去的人物，只在相对位置上与原视频保持了一致，但对于那种咬唇、眼神躲闪、发现被拍后抿嘴一笑的细微表情，几乎都没有表现出来。

　　这种在细节生成上的不如意并非个例。

　　我们通过提示词，生成了一位中年男人在暗室内对着镜子轻声说：“我知道是你做的，别装了”的视频。

　　原视频的表现还是不错的，除了男人的中文口音稍微有点奇怪，他的口型与每个字基本上都是精确对应的，至于是否表现出了人性化的情绪，这个见仁见智。

　　但接下来，在我们试图修改男人的台词时，Omni的电子脑不知为何就过载了。

　　提示词：一位中年男人在暗室内对着镜子轻声说：“520又来了，节日快乐。”

　　一开始是无法理解“修改台词”这样的描述，直接把新的台词当作字幕打在了视频下方；之后又是一半说原台词，一半说新台词；到最后，更是直接开始口胡了。

　　光影倒是明亮了一些，表情也变成了微笑，只是一个男人一脸微笑地说“我知道是你做的，别装了”，BGM还是刚才那股阴森色的味儿，简直比原版还要诡异好吗！

　　只能说，精细控制这块儿，Omni还得练练。

　　最后是对于世界的理解。

　　官方的说法是，Omni基于Gemini旗舰大模型，对于引力、动能和流体力学等物理规则的理解，以及对于世界历史、科学和数学的理解都进一步得到了提高。

　　话不多说，直接上提示词：生成一条在连锁反应轨道上快速滚动的弹珠。

　　这个效果还是比较惊艳的，Omni自己想了一套挺复杂的连锁轨道，期间涉及到重力、弹力、离心力等等物理规则，看上去都相当真实。

　　不过在视频后半段出现了个Bug，一个小球冷不丁变成了两个。

　　再来一个：一个球沿着一个U形轨道内壁来回滚动，最后停在了轨道最低点。

　　这个效果就有点奇怪了。

　　虽然确实是小球沿着U形管来回滚动并停在了最低点，但总觉得重力环境并不在地球，小球轻飘飘的，甚至好像还有点穿模。

　　最后，我又丢了一条相当简洁有力的提示词过去：生成一段李世民和他老哥“玄武门对掏”的视频。

　　嗯……虽然背后的“玄武门”的汉字有点问题，俩唐代人物的中文也似乎略带口音，但还是理解了“玄武门对掏”这个中文梗，让李世民李元吉哥俩进行了一次剑拔弩张的会面。

　　这么看来，Omni的世界历史倒是还修得不错。

　　在今天这场大会之前，Omni的消息就传了很久了。

　　最早是在5月初，有个用户在Gemini的视频生成页面发现了一行不起眼的小字："Powered by Omni"，顿时一石激起千层浪。

　　海内外技术圈都在讨论：这个Omni到底是什么？是去年的谷歌 I/O 2025上的Veo 3的下一代Veo 4，还是一个全新的多模态大模型？

　　这也是为什么在前期的各路消息里，一会儿是Gemini Omni, 一会又是Veo 4。

　　而到了5月11日，一条“教授黑板推公式”的Omni内测视频又在X上疯传，浏览量在短短几天内就超过240万。

　　视频在短短10秒内连续切了数次镜头，有教授的背影，侧脸，还有粉笔写公式的特写，配合粉笔的沙沙声，黑板上完全正确的公式，又将大家的期待值拉到了一个新的高度。

　　当时的爆料是，Omni已经完全把镜头语言和剪辑深度技能给内化了，多视角镜头切换、自带原生BGM，“直接就能出一条成片”。

　　但到了今天，Gemini Omni真的千呼万唤始出来，效果却是褒贬不一。

　　看来还是要期待一下Seedance 2.1了，虽然什么时候出还是个大大的问号。

　　 欢迎分享、点赞、推荐

　　 一起研究AI