Gemini Omni
Google 的多模態創作模型 — Gemini 的推理能力與生成式媒體系統的結合。透過自然語言從文字、圖片、影片或音訊生成和編輯影片，每次編輯都基於上一次的結果。使用 GPT Image AI video generator 免費體驗。
圖片生成器
圖片生成器
關於 Gemini Omni
Gemini Omni 是 Google DeepMind 在 2025 年 Google I/O 大會上發佈的多模態創作模型。它將 Gemini 的推理能力與生成式媒體系統相結合，實現了超越簡單提示詞生成影片的能力。該模型理解場景、動作、環境、物理行為和真實世界上下文 — 生成的結果具有明確意圖而非隨機輸出。Gemini Omni Flash 是 Omni 系列的首個模型，專為實用的影片創作和編輯工作流而設計，用戶可以轉換素材、使用參考引導結果，並透過自然語言對話逐步優化場景。
核心能力
多模態輸入、對話式編輯、風格轉換、真實世界知識 — 集於一體
核心功能概覽
多輪對話式編輯
Gemini Omni 引入了一種全新的影片編輯方式。你不需要每次都從頭開始生成，而是可以透過一系列自然語言指令逐步優化影片。改變背景、調整動作、替換物體、轉換攝影機角度或添加視覺效果 — 同時保持影片其餘部分的穩定。這種對話式工作流意味着你可以一步步迭代接近你的願景，就像編輯文件一樣。
多輪編輯：先建立場景，然後改變攝影機角度，再添加氛圍效果 — 全程保持一致性
多輪編輯在連續修改中保持場景連貫性
先建立一個人在房間裡的場景，然後改變光照為黃金時刻，再添加窗戶上的雨滴 — 每次編輯基於上一次
連續環境變化展示對話式逐步優化
即時風格轉換
Gemini Omni 可以轉換任何輸入影片的視覺風格，同時保留底層的運動、結構和場景構圖。描述目標美學 — 金屬表面、手繪素描、毛氈布偶、全息投影、體素藝術 — 模型會在每一幀上連貫地應用轉換。原始的攝影機運動、角色動作和空間關係保持不變，創造出遠超簡單濾鏡的無縫風格轉換。
當人觸碰鏡子時，讓鏡子像液體一樣美麗地蕩漾，人的手臂變成反射鏡面材質
風格轉換在完全改變視覺美學的同時保留運動
當人觸碰鏡子時，整個環境變成3D體素藝術，呈現方塊幾何形狀
完整環境轉換為體素藝術，同時保留空間結構
真正的多模態輸入
與只接受文字或單張圖片的模型不同，Gemini Omni 可以同時處理多種輸入類型。提供文字作為方向指引、圖片作為視覺參考、影片作為運動引導、音訊作為語音或聲音同步。模型將所有輸入綜合為單一連貫的影片輸出。這使其適用於靈感來自多個來源的真實創作工作流 — 分鏡草圖、參考片段、語音錄製和文字描述都可以為最終結果做出貢獻。
添加與我觸碰每片蕨葉同步的豎琴聲。將葉片結構改為生物發光植物，周圍有螢火蟲飛舞
結合影片輸入、文字指令和音訊參考實現同步輸出
使用真實世界科學知識視覺化蛋白質摺疊過程，以黏土動畫風格呈現準確的分子行為
將真實世界知識應用於科學視覺化，結合創意風格
常見問題
Gemini Omni FAQ
創作者對 Gemini Omni 的評價
"多輪編輯是 Gemini Omni 的獨特之處。我可以逐步優化場景，而不是每次都從頭重新生成。這真的感覺像是在導演而不是在寫提示詞。"
Elena Vasquez
創意總監
"多輪編輯是 Gemini Omni 的獨特之處。我可以逐步優化場景，而不是每次都從頭重新生成。這真的感覺像是在導演而不是在寫提示詞。"
Elena Vasquez
創意總監
