Google Gemini Omni：抢先看 Google 全新视频模型
Gemini Omni 是什么？
2026 年 5 月 11 日，有用户在 Gemini 应用里发现一张标记为 "Omni" 的模型卡片，介绍写着："使用 Gemini Omni 进行创作：认识我们全新的视频模型，重新混剪你的视频、在对话中直接编辑、尝试模板，还有更多功能。"
这次泄露发生在 Google I/O 2026（5 月 19–20 日） 前一周左右，强烈暗示 Omni 就是 Google 下一代旗舰视频模型——它既是 Veo 系列的继任者，也是其补充，主打对话式编辑而非纯粹的文生视频。
Google 目前还没有官方声明。下文所有信息都基于应用内泄露和同期出现的早期 Demo，具体细节预计会在 I/O 主舞台上发生变化。
为什么叫 "Omni"？
这个命名本身就很说明问题。Veo 聚焦电影级生成，Imagen 专注静态图，而 Omni 似乎是一个覆盖完整视频工作流的统一模型：
- 文本生成视频
- 图生视频、视频再混剪
- 在聊天里直接编辑已有片段（替换物体、重写场景、去水印）
- 原生音频生成（对白、音效、环境声）
- 模板驱动的常见格式创作
换句话说，Omni 看起来不像一次单纯的模型发布，更像一个端到端的创意智能体——只不过下面恰好跑着一个全新的视频模型。
泄露的内容到底展示了什么？
在和模型卡片一起泄露的 Demo 里，有三个能力特别醒目：
1. 聊天框内的编辑
用户上传一段片段，然后用大白话让 Omni 替换物体、重写场景或去掉水印，就能在不离开对话的情况下拿到一个连贯的编辑结果。这是工作流上最大的升级：不用打开 NLE，不用画蒙版，也不用单独跑一遍 inpaint。
2. 模板与混剪
一个"模板"入口意味着 Google 押注以格式为先的创作——短视频、广告、解说类内容——用户选好模板，Omni 负责往里填内容。配合混剪能力，这显然是面向不想每次都从空提示词开始的创作者。
3. 原生音频升级
Veo 3.1 已经能生成同步对白、音效和环境声，但音质一直是相对竞争对手的短板。早期 Omni Demo 给人的感觉是这一块有明显进步，如果属实，就补上了 Google 在视频上最显眼的一块拼图。
它和竞品比起来怎么样？
基于早期 Demo 画面，大致格局如下：
| 模型 | 强项 | 短板 |
|---|---|---|
| Gemini Omni | 对话式编辑、工作流整合、模板、音频 | 单帧画质据说仍落后于头部 |
| Seedance 2（字节跳动） | 最佳的电影级质感和运动表现 | 缺少原生编辑 / 智能体式工作流 |
| Sora 2（OpenAI） | 物理表现强，长片连贯性好 | 聊天内可编辑面有限 |
| Veo 3.1（Google） | 原生音频好，生成质量稳健 | 内部正在被 Omni 取代 |
实话实说：Omni 的护城河在工作流，而不是像素本身。 如果你只想从一句提示词里拿到一张最逼真的画面，目前的证据更倾向于 Seedance 2。但如果你想像编辑文档那样编辑视频——通过对话不断迭代——Omni 就是这条赛道目前最有可能赢的选手。
分级、限额与分发渠道
从泄露界面里能看出几个信号：
- 大概率分级发布（Flash 和 Pro），与 Gemini 家族其他模型一致。
- 限额收得很紧：测试者反馈在 Google AI Pro 套餐下，生成两次视频就用掉了 86% 的当日额度。视频推理依然很贵。
- 三条分发线预计同时启用：Gemini 应用（消费者）、AI Studio（开发者）、Vertex AI（企业）——和 Veo 当年一致的打法。
Google I/O 2026 上要重点关注什么？
Google 主舞台上有几个细节值得盯紧：
- 定价与配额——Pro 套餐会不会真的给到够用的视频额度？还是又开了一个新档位？
- 片段长度与分辨率——目前的泄露并没有明确说法。
- API 表面——聊天里的编辑能力会不会以真正的 API 形式暴露出来，还是初期只在 Gemini 应用里可用？
- 水印与溯源——SynthID 和 C2PA 会怎么处理生成与编辑后的片段？
- Veo 的路线——Veo 会作为独立的电影向模型继续存在，还是被 Omni 悄悄合并掉？
结论
Gemini Omni 显然不打算去赢一场逐帧画质的比拼。它真正想做的，是让视频感觉像 Gemini 的其他形态一样——可以对话、可以聊出修改、可以不离开对话框就完成出片。 如果主题演讲确认了泄露里看到的那些能力——尤其是聊天内编辑和音频上的跃升——Omni 会是 2026 年最值得关注的视频模型发布之一，哪怕它不是画面最漂亮的那一个。
我们会在 Google 公布更多官方细节后持续更新本文。