客观审视 Google Gemini Omni

空逐月AI 前沿📡 BestBlogs·AI高分精选⭐ 872026-10-28475 阅读💛 11 收藏
客观审视 Google Gemini Omni

📌 One-Sentence Summary

本文对 Google Gemini Omni 进行了全面、客观的评测,详细介绍了其对话式视频编辑能力、定价、发布时间线,以及与 Veo、Sora 等竞品的对比。

📝 Summary

本文考察了 Google Gemini Omni,这是一款多模态生成模型,专为迭代式、对话式视频编辑而设计,而非一次性生成。文章厘清了该产品相对于 Google 其他工具(Nano Banana 用于图像、Veo 用于一次性视频)的定位,并梳理了三个不同的发布里程碑:在 Google I/O 2026(5 月 19 日)上宣布、API 预览(6 月 30 日),以及作为 Gemini Omni 1.1 Flash 正式可用(8 月 27 日)并带来功能升级。核心能力包括原生多模态输入、通过交互 ID 实现有状态的对话式编辑、世界知识 grounding,以及多种生成模式(文生视频、图生视频、帧插值、主体/风格参考、最长 40 秒的视频延长)。文章提供了具体的技术细节:模型标识符 `gemini-omni-1.1-flash`、企业版 token 上限(输入 131k、输出约 58k),以及定价(输入 token 每百万 $1.50、文本输出每百万 $9、视频输出每百万 $17.50,720p 下约合每秒 $0.10)。对比显示,Omni 在 LMArena 的文生视频排行榜上位居榜首,并在迭代编辑方面相较 Sora 和 Runway 具备结构性优势,但其每秒成本与 Veo 3.1 Fast 持平。局限包括不支持语音/对白编辑、上传视频编辑存在地区限制(欧洲经济区、瑞士、英国)、对未成年人和可识别身份人物的限制,以及仅对英文进行了完整评测。结论是:Omni 的价值取决于对话式编辑是否真的是实际工作流中的瓶颈。

💡 Main Points

Gemini Omni 的差异化在于对话式、有状态的视频编辑,而非单纯的生成质量

与一次性生成器(Veo、Sora、Runway)不同,Omni 通过交互 ID 在多轮编辑中保持角色、物理规律和场景的连续性,使迭代优化变成一场对话,而不是每次都重新写提示词。

三个不同的发布里程碑,功能差异显著

在 Google I/O 2026(5 月 19 日)上宣布、以 `gemini-omni-flash-preview` 提供 API 预览(6 月 30 日),以及以 `gemini-omni-1.1-flash` 正式可用(8 月 27 日),后者新增了用于保持连续性的 10 秒场景分析、可叠加的 40 秒延长、360p 草稿模式,以及改进的参考处理能力。

定价透明,720p 下约每秒 $0.10,与 Veo 3.1 Fast 相同,且无 API 免费额度

视频输出按每百万 token $17.50 计费(720p 下每秒 5,792 token),因此一段 10 秒片段约 $1.01。正式可用时引入的 360p 草稿模式提供了更便宜的迭代路径。与其他 Gemini 模型不同,Omni 没有免费 API 层级。

显著局限包括地区覆盖缺口、缺少音频编辑和语言限制

在欧洲经济区、瑞士和英国无法编辑/延长上传的视频。不支持语音/对白编辑和音频参考上传。涉及未成年人或可识别身份人物的内容受到限制。仅对英文提示词进行了完整评测。

该模型的价值主张因工作流而异:需要迭代编辑选 Omni,一次性生成选 Veo,两者价格相同

Omni 的结构性优势在于对话式编辑循环。对于只需要一次干净生成、无需修改的团队而言,相比 Veo 或价格相近的竞品几乎没有实际优势,因为价格完全相同,而差异化功能并未被使用。

💬 Key Quotes

那种具体的挫败感——为了修一个细节不得不重做整个场景——正是 Google 打造 Gemini Omni 要解决的实际问题

Omni 真正的差异化不在于它生成的视频比这两者更好看——而在于它让你通过自然对话一轮又一轮地持续编辑视频,同时模型会记住你之前确立的内容

一个只需要单次、干净、一次性生成且无需后续修改的团队,选择 Omni 而非 Veo 或价格相近的竞品,确实看不到多少实际优势

它真正的贡献在于让编辑过程感觉像一场真正的对话,而不是每次都重新猜测,并在多轮之间保持场景的角色、物理规律和连续性,这是一次性生成器在结构上无法做到的

📊 Article Meta

AI Screening: 87

Source: KDnuggets

Author: Shittu Olumide

Category: 人工智能

Language: 英文

Read Time: 8 min

Word Count: 1998

Tags:

AI 与智能应用 , 模型发布 , 多模态 AI , AI 产品与应用 , AI 工程

#AI 与智能应用# 模型发布# 多模态 AI# AI 产品与应用# AI 工程

文章评论(12)

雪影18 天前

收藏了,以后慢慢研究。

回复
龙文博19 天前

点赞,必须点赞

回复
蓝归舟18 天前

这个观点很中肯,深有同感。

回复
空向阳18 天前

点赞,必须点赞

回复
陈皮话梅糖18 天前

整理得太全面了,省了我不少时间。

回复
竹听风18 天前

实测过类似工具,作者说的基本属实。

回复
风倚栏18 天前

思路清晰,干货满满。

回复
崔欣怡18 天前

赞同,实践出真知。

回复
郭超18 天前

楼主辛苦了,内容很有参考价值。

回复
崔欣怡18 天前

这篇文章分析得很透彻,收藏了!

回复
漾漾其华18 天前

写得挺用心的,支持一下。

回复
三分糖去冰18 天前

整理得太全面了,省了我不少时间。

回复