Model Video Gemini Omni Debut: Video Any-to-Any untuk Kreator

Mulai 20 Mei 2026, Google DeepMind melancarkan Gemini Omni, bermula dengan varian Flash. Model ini menerima sebarang gabungan teks, imej, audio dan klip video kemudian menghasilkan video yang diedit atau baru. Ia menawarkan pemahaman dunia yang lebih baik, simulasi fizik dan konsistensi scene ke scene. Pengumuman rasmi menekankan edit bahasa semula jadi yang mengekalkan pencahayaan, gerakan dan rupa watak. Akses awal tersedia serta-merta dalam app Gemini, Google Flow dan YouTube Shorts untuk pelanggan AS. API akan datang, walaupun tiada tarikh pasti lagi. Prestasi model video Gemini Omni sudah kelihatan lebih kukuh berbanding saluran paip berpecah dari tahun lalu. Masih di peringkat awal, tetapi pendekatan any-to-any boleh mengubah cara pencipta short-form bekerja sebenarnya.

Tidak. Alat video Google sebelum ini seperti Veo terasa seperti dijahit bersama. Gemini Omni menggabungkan segalanya ke dalam satu sistem multimodal asli. Itu bermakna konsistensi temporal bertambah baik kerana model menjejaki objek dan watak merentasi bingkai bukannya meneka. Kesinambungan watak dan fizik dunia sebenar kedua-duanya menunjukkan peningkatan yang jelas dalam demo. Tukar latar belakang atau masukkan objek baru di tengah klip dan gerakan masih kekal. Perkara ini lebih penting untuk aliran kerja profesional berbanding resolusi mentah. Inilah masalahnya: kebanyakan hype sekitar "fizik" hanyalah bahan pemasaran. Gemini Omni sebenarnya menunjukkan kemajuan yang boleh diukur di sini, sekurang-kurangnya dalam ujian terkawal. Sama ada ia bertahan dengan arahan dunia sebenar yang berantakan masih perlu dilihat.

Pencipta kini boleh memasukkan foto rujukan bersama nota suara dan meminta perubahan tertentu dalam bahasa biasa. Tukar tetapan, laraskan sudut kamera atau lanjutkan klip tanpa perlu bermula semula. Saluran paip bersepadu mengekalkan pencahayaan dan gerakan terkunci dalam edit tersebut. Jujukan koheren yang lebih panjang juga menjadi praktikal. Rantaikan generasi pendek sambil mengekalkan gaya dan identiti subjek. Alat penyuntingan video AI multimodal seperti ini menjimatkan berjam-jam daripada proses bolak-balik biasa. Kemajuan seperti saluran paip multimodal bersepadu Gemini Omni adalah tepat apa yang menggerakkan alat video AI generasi seterusnya — menyampaikan pemahaman dunia yang lebih kukuh, ketepatan fizik dan penyuntingan terkawal untuk pencipta yang bekerja merentasi setiap format. Bagi mereka yang menghadapi had dalam senario eksplisit, sebab di sebalik sekatan tersebut wajar diperiksa secara berasingan.

Model multimodal bersepadu seperti Gemini Omni mempercepatkan saluran paip profesional. Pasukan pemasaran boleh mengulangi varian iklan dalam beberapa minit bukannya hari. Pencerita short-form mendapat kawalan yang lebih ketat ke atas pacing dan kesinambungan visual. Hebat. Peralihan yang lebih besar ialah bagaimana ia dengan cepat meningkatkan tahap minimum untuk semua orang lain. Pesaing perlu menandingi fleksibiliti any-to-any atau menyaksikan pencipta berhijrah. Pendapat panas saya: kebanyakan orang masih terlalu menilai kualiti generasi mentah. Halangan sebenar sentiasa penyuntingan dan konsistensi. Gemini Omni menyerang masalah itu secara langsung, itulah sebabnya ia terasa seperti langkah maju yang tulen bukannya reel demo lain.