Google 刚刚发布 Gemini Omni ，我这两天也顺手做了个专题站研究了一下。
目前看下来，它和之前很多 AI 视频模型最大的区别，是开始强调“持续理解 + 交互式编辑”。
上传视频后，可以直接让 AI：
替换背景、修改角色服装、切换动画风格、保留动作但改变镜头语言，模型会基于上下文持续编辑，而不是每次重新生成全部内容。
另外 Gemini Omni 现在已经开始统一处理：
文本、图像、视频、音频。
Google 很明显正在把：
搜索、推理、多模态生成、Agent ，
全部往 Gemini 这一套体系里整合。
感觉接下来 AI 产品形态可能会变化很大。[Gemini Omni]( https://www.gemini-omni.net)
目前看下来，它和之前很多 AI 视频模型最大的区别，是开始强调“持续理解 + 交互式编辑”。
上传视频后，可以直接让 AI：
替换背景、修改角色服装、切换动画风格、保留动作但改变镜头语言，模型会基于上下文持续编辑，而不是每次重新生成全部内容。
另外 Gemini Omni 现在已经开始统一处理：
文本、图像、视频、音频。
Google 很明显正在把：
搜索、推理、多模态生成、Agent ，
全部往 Gemini 这一套体系里整合。
感觉接下来 AI 产品形态可能会变化很大。[Gemini Omni]( https://www.gemini-omni.net)
Select Language