Google 在 2026 年 I/O 開發者大會上，除了發布 Google Gemini 3.5 Flash 及 Gemini Spark，也正式揭曉旗下新一代多模態生成模型 Gemini Omni，第一個推出的版本為 Gemini Omni Flash。這款模型最大的亮點，在於它不是一個影片生成工具，它能理解並整合圖片、文字、音訊、影片等各種輸入，輸出具有真實感的高品質影片。換句話說，你只需要用日常口語跟它說話，它就能幫你把腦海中的畫面變成現實。
相關新聞：Google Gemini 3.5 Flash 正式發布！速度快四倍、Gemini Spark 全天候幫你工作
用對話就能剪片
Gemini Omni 以自然語言進行多輪影片編輯，不需要學習複雜的剪輯軟體，只要對它說「把背景換成外太空」或「讓這個人物的手臂變成鏡面材質」，系統就能照辦。每一輪對話的編輯都會疊加在上一輪之上，角色保持一致、物理邏輯不會跑掉、場景的連貫性也完整保留下來。對於長期需要修改影片的創作者來說，這簡直是省下大量時間的利器。
懂物理、懂歷史，不只是套模板
Omni 並不是單純地把素材拼貼在一起，它背後依賴的是 Gemini 本身對現實世界的理解能力。重力、動能、流體力學這些物理規律，它都能在生成影片時自然呈現，不是靠視覺特效蒙混過關。除此之外，模型還能結合歷史、科學與文化知識來生成具有意義的敘事內容。例如你給它一段簡短的提示，它可以生成一部用黏土動畫解釋蛋白質折疊原理的影片，甚至還搭配音樂和視覺風格，這種程度的整合，已經遠超過過去「以文字生成影片」的框架了。
任何素材都能當起點
支援混合輸入，你可以同時丟給它圖片、文字、音訊和影片作為參考，然後讓它合成為一個統一、連貫的輸出。就算你只有一張草稿圖或一段錄音，它也能幫你延伸出完整的影片內容。語音輸入目前率先支援，其他類型的音訊輸入也即將陸續開放。
數位分身功能，責任先行
Omni 還提供了數位分身 (Avatar) 功能，讓你能夠上傳自己的影像和聲音，生成看起來和聽起來都像你本人的影片。不過 Google 也坦言這項功能仍在測試階段，後續如何對外開放，仍在評估中。所有透過 Omni 生成的影片，都會嵌入 Google 的 SynthID 數位水印，讓使用者可以在 Gemini 應用程式、Chrome 以及 Google 搜尋中驗證其是否為 AI 生成內容。在深偽技術 (Deepfake) 氾濫的當下，這個機制的存在顯得很重要。
現在在哪裡可以用？
目前已向 Google AI Plus、Pro 和 Ultra 訂閱用戶全面開放，可透過 Gemini 應用程式及 Google Flow 使用。同時，它也正在整合進 YouTube Shorts 和 YouTube Create App，並對用戶免費提供。開發者和企業用戶方面，Google 預計在未來幾週內透過 API 開放存取權限。 至於未來，Omni 家族還將陸續支援圖片和音訊的生成輸出，整個多模態生態系正在加速成形。
如果喜歡這篇文章，並想持續收到更多限時免費、科技新聞、 Apple 資訊，以及 AI 、 WordPress 教學與資源分享，歡迎透過以下方式支持我，讓我更有動力創作：
按讚與追蹤：鎖定我的 Facebook專頁、Instagram、Threads 和 X，就不會錯過最新內容。
☕ 請我喝杯咖啡：如果內容對你有幫助，歡迎到 Ko-fi 小額支持，為我注入創作能量。
你的一個 Like、追蹤或是一杯咖啡的鼓勵，都能激勵我持續分享更多實用文章。由衷感謝大家。