💻ZDNet AI•較早收集於 2h
Google Gemini Omni 推出先進的 AI 影片複製功能
💡Google 的新型影片複製工具可能會重新定義合成媒體的製作流程。
⚡ 30-Second TL;DR
有什麼變化
結合真實感與風格控制以進行影片生成
為什麼重要
此工具可能大幅降低高品質影片內容創作的門檻，進而影響行銷與合成媒體產業。
下一步行動
註冊 Google 的 AI 開發者預覽計畫，以測試影片生成 API 的搶先體驗。
誰應關注：Creators & Designers
關鍵要點
- •結合真實感與風格控制以進行影片生成
- •支援針對複雜影片任務的自然語言編輯
- •實現高品質的 AI 虛擬化身創作
- •定位為 AI 影片製作的綜合性工具
🧠 深度解析
Web-grounded analysis with 14 cited sources.
🔑 增強重點摘要
- •Google Gemini Omni被定位為一個「世界模型」，旨在從任何輸入生成任何輸出，其初步展示著重於影片生成，並被視為實現通用人工智慧（AGI）的關鍵一步。
- •Gemini Omni是一個真正的多模態輸入和輸出系統，能夠同時接受文字、音訊、圖像和現有影片作為輸入，並利用Gemini的「真實世界知識」生成獨特、互動式的世界，甚至能同步輸出音訊。
- •該模型能夠生成具有更精確物理原理（如重力、動能和流體動力學）的影片，並理解提示的歷史、科學和文化背景，以創造更真實、更連貫的內容。
- •Gemini Omni支援多輪對話式編輯，使用者可以透過自然語言描述來迭代地精修影片的特定方面，例如改變背景、風格、角度或特定細節，而無需重新生成整個影片。
- •為確保內容的真實性與可追溯性，所有透過Gemini Omni生成的影片都將嵌入Google的SynthID浮水印，以便驗證其為AI生成內容。
📊 競品分析▸ Show
| 功能/產品 | Google Gemini Omni (Flash) | OpenAI Sora | RunwayML | Synthesia / HeyGen |
|---|---|---|---|---|
| 核心能力 | 多模態影片生成與對話式編輯，真實感、風格控制、AI虛擬化身、物理理解、世界模型。 | 從文字生成高擬真、電影級影片，專注於敘事。 | 完整的創意套件，文字轉影片、圖像轉影片、編輯工具，提供進階創意控制。 | 高品質數位虛擬化身、個性化影片、多語言支援。 |
| 輸入模態 | 文字、音訊、圖像、現有影片。 | 文字。 | 文字、圖像、影片。 | 文字（腳本）、音訊。 |
| 輸出模態 | 影片（含同步音訊）、互動式世界。 | 影片（含同步音訊）。 | 影片。 | 影片（含虛擬化身和語音）。 |
| 編輯能力 | 多輪對話式編輯，可改變背景、風格、角度、物件等。 | 迭代通常意味著重新生成。 | 整合編輯工具。 | 腳本編輯、虛擬化身調整。 |
| 真實感/物理 | 具備更精確的物理理解（重力、動能、流體動力學），以及歷史、科學、文化背景知識。 | 以逼真、電影級世界著稱。 | 強調電影級運動和真實感。 | 專注於虛擬化身的面部表情和唇形同步。 |
| 定價 | 透過付費Google AI Plus、Pro和Ultra訂閱者推出，稍後將免費提供給YouTube Shorts和YouTube Create應用程式使用者。 | 免費，付費方案每月20美元起。 | 每月15美元起。 | Synthesia：基本免費，入門方案每月29美元起；HeyGen：每月29美元起。 |
| 水印 | 所有生成影片嵌入SynthID浮水印。 | 未明確提及，但AI生成內容通常有標識。 | 未明確提及。 | 生成內容通常有標識。 |
🛠️ 技術深入
- Gemini Omni被設計為一個「世界模型」，旨在從任何輸入生成任何輸出，是Google邁向通用人工智慧（AGI）的關鍵一步。
- 其核心架構是基於Gemini模型，採用統一的Transformer架構，而非傳統的多模態AI管道。
- 在此統一架構中，文字、圖像、音訊和影片的token共享相同的潛在空間，模型能夠原生處理所有模態，無需在不同格式之間轉換。
- 該模型整合了Gemini的智慧和進階推理能力，使其能夠理解並模擬真實世界的物理現象，包括重力、動能和流體動力學，從而生成更具真實感的影片。
- Omni能夠處理多模態輸入，並生成多模態輸出，包括與影片內容同步的音訊（如音效、環境噪音和潛在的音樂）。
- 支援跨模態推理，例如根據文字描述生成影片，同時參考上傳圖像的視覺風格，或從音訊片段生成符合情緒的視覺效果。
- 具備記憶先前指令的能力，可在多步驟編輯過程中保持連貫性，實現流暢的迭代創作。
- 所有生成的內容都將嵌入Google的SynthID浮水印，以確保其可驗證性。
🔮 前景展望AI analysis grounded in cited sources
AI影片製作將變得高度普及並融入日常創意工作流程。
Gemini Omni的自然語言編輯、多模態輸入以及與Google應用程式（如Gemini應用程式、YouTube Shorts/Create）的整合，將顯著降低影片創作和編輯的門檻。
對於許多常見任務而言，對專業影片編輯軟體的需求可能會減少。
Omni能夠透過對話方式執行複雜的多輪編輯，包括改變背景、風格和物件，這可能取代非專業使用者對傳統複雜編輯工具的需求。
真實與AI生成影片內容之間的界線將日益模糊，需要更強大的檢測機制。
Omni對逼真物理、上下文理解和高擬真輸出的專注，結合先進的虛擬化身創建功能，將使AI生成影片極具說服力，從而使SynthID變得至關重要。
⏳ 時間線
2022-10
Google收購AI虛擬化身新創公司Alter，為先進虛擬化身技術奠定基礎。
2023-05
Google I/O 2023宣布推出多模態大型語言模型Gemini，預示著AI整合的轉變。
2023-12
Gemini 1.0 Pro和Ultra模型發布，建立Gemini基礎模型家族。
2025-05
Google I/O 2025宣布推出AI影片編輯套件Google Flow，展現Google在影片製作AI領域的投入。
2025-11
Gemini 3.0 Pro發布，代表核心Gemini模型能力的重大升級。
2026-05-19
Google在Google I/O 2026上發布Gemini Omni (Flash)，整合先進的多模態影片生成與編輯功能。
📎 來源 (14)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ZDNet AI ↗