# Gemini Omni：既能生成也能修改视频的 Google 视频模型

> Gemini Omni 是 Google DeepMind 的视频模型，于 2026 年 5 月的 Google I/O 上发布。Omni 1.1 Flash（2026 年 8 月 27 日）能用文字、图像和短视频生成 3–10 秒有声片段，用普通句子修改成片，并延长到 40 秒。Google 称它为“视频版 Nano Banana”。Omni Flash 可在 AI2Face 生成器中使用。

开发者: Google DeepMind · 发布时间: 2026-08-27 · 更新于 2026-10-01
URL: https://ai2face.com/zh/models/gemini-omni

## 关键信息

| | |
|---|---|
| 开发者 | Google DeepMind |
| 发布日期 | 发布于 2026 年 5 月（Google I/O）；Omni 1.1 Flash 于 2026 年 8 月 27 日 |
| 功能 | 根据文字、图像和视频生成并编辑有声视频 |
| 时长 | 单次 3–10 秒，每次延长 10 秒，最长 40 秒 |
| 分辨率 | 360p、720p；1080p 和 4K 靠放大；每秒 24 帧 |
| 画幅 | 16:9 和 9:16 |
| 参考 | 图像，以及最多 3 段各 3 秒的视频 |
| 声音 | 与画面一起生成 |
| 标记 | 不可见的 SynthID 水印 |
| 在 AI2Face | 有，生成器里是 Omni 1.1 Flash |

## Gemini Omni 是什么

Gemini Omni 是 Google DeepMind 的一组模型，能从任意输入做出内容。最先落地的是视频。Google 在 2026 年 5 月的 I/O 上展示了它，并这样描述：“想象一下 [Nano Banana](/zh/models/nano-banana)，但是做视频”——每一步都可以用普通句子接着改。

Omni 用的是 Gemini 对世界的了解：物理、历史、科学和文化。所以“公元 1 世纪修建渡槽”或“船闸怎么工作”这类场景，出来的细节说得通，而不只是好看。

2026 年 8 月 27 日发布了 Omni 1.1 Flash，稳定版，能延长场景、控制首帧和尾帧、用 360p 出草稿，并输出到 4K。在 Gemini API 文档里，Google 把它推荐为默认视频模型，把 [Veo 3.1](/zh/models/veo-3-1) 留给特定任务。

## Gemini Omni 能做什么

**世界知识。** 如果要求的是真实语境里的场景，模型会自己补上历史上和物理上说得通的细节。

[航拍正在修建的罗马渡槽：工人用踏轮起重机吊起石块，拱券搭在木模板上](https://ai2face.com/_astro/media/models/gemini-omni/world-knowledge.mp4 "提示词只写了时代和工具，工地细节是模型自己补上的。Gemini Omni 1.1 Flash，10 秒")

**多张参考合成一个场景。** 人物来自一张照片，裙子来自另一张，阁楼来自第三张。Omni 把它们收成一条片子，并保住外形。

[黑色波波头、绿色丝绸裙的女孩走向阁楼的高窗，然后转向镜头微笑](https://ai2face.com/_astro/media/models/gemini-omni/references.mp4 "三份参考：自拍、衣架上的裙子和空阁楼。脸和裙子都对得上原图。Omni 1.1 Flash，9:16，8 秒")

**修改成片。** 和 Veo 的主要差别：上传视频，写明要改什么——天气、衣服、光线、物体、镜头运动。每一次修改都接在上一次之上。

[同一段飞向悬崖灯塔的无人机镜头，风暴换成晴朗的夏日、平静的碧海和绿色草地](https://ai2face.com/_astro/media/models/gemini-omni/edit.mp4 "用一句话修改：Veo 3.1 的风暴片段变成晴天，构图和镜头运动保留。Omni 1.1 Flash")

**首帧和尾帧。** 两张图，模型做出带声音的过渡。

[女孩在家里的厨房放下手机，厨房溶进米色背景的摄影棚，灰色 T 恤变成白衬衫](https://ai2face.com/_astro/media/models/gemini-omni/first-last-frame.mp4 "首帧是自拍，尾帧是我们提示词合集里的棚拍肖像。Omni 1.1 Flash，9:16，8 秒")

**让照片动起来。** 图像成为片段的第一帧：烟、水滴、镜头运动。

[镜头缓缓推近湿石上的香水瓶，烟雾缭绕，一滴水落下，涟漪散开](https://ai2face.com/_astro/media/models/gemini-omni/image-to-video.mp4 "Seedream 4.5 的产品照成了广告片的第一帧。Omni 1.1 Flash，9:16，6 秒")

**延长。** 在 API 里，片段按 10 秒一步延长，最长 40 秒。模型会参考之前最多 10 秒的视频，而不只是最后一帧。

## Gemini Omni 适合什么任务

- **改已有成片：** 换天气、时段、衣服，或去掉一个物体，不用重拍。
- **教育和历史场景，** 细节要说得通。
- **用商品照片做广告：** 静物变成短片。
- **带声音的竖屏短片，** 给社交平台用。
- **快速迭代：** 360p 出草稿，1080p 或 4K 出成片。

## Gemini Omni 和同类模型

| | Gemini Omni 1.1 Flash | [Veo 3.1](/zh/models/veo-3-1) | [Seedance 2.5](/zh/models/seedance) |
|---|---|---|---|
| 开发者 | Google DeepMind | Google DeepMind | ByteDance Seed |
| 单次时长 | 3–10 秒 | 4、6、8 秒 | 最长 30 秒 |
| 延长 | 最长 40 秒 | 最长 148 秒（API，720p） | 2 次 |
| 分辨率 | 最高 4K（放大） | 最高 4K | 未公布 |
| 输入 | 文字、图像、视频 | 文字、最多 3 张图 | 文字、30 张照片、10 段视频、10 段音频 |
| 修改成片 | 可以，用句子 | 不行 | 可以 |
| 语音语言 | 完整支持英语 | 未公布 | 未公布 |
| 在 AI2Face | 有 | 有 | 有 |

Omni 是 Google 模型里最灵活的：能改视频，也能把视频当输入。Veo 3.1 赢在 8 秒片段的画质和精确的末帧模式。Seedance 2.5 单次生成的片子最长。

## 怎么给 Gemini Omni 写提示词

- **生成时**用和 Veo 一样的公式：镜头 + 主体 + 动作 + 环境 + 风格，声音另写。
- **修改时**一次只改一件事，并写明保留什么：“把天气改成晴天。保留镜头运动、构图和灯塔。”
- **用参考时**写明每张图取什么：“第一个画面里的女孩，穿着第二张图的裙子，站在第三张图的阁楼里。”
- **迭代时**先用 360p：按 Google 的说法，草稿最多快 60%，费用是 720p 的三分之一。
- **台词用英语更稳：** 其他语言 Google 没有官方评估。

```
把这段视频的天气改成平静晴朗的夏日：干净的蓝天，
平静的碧海和细小波浪，白灯塔上的明亮阳光，悬崖上的绿草。
保留同样的镜头运动、构图和灯塔。声音：平静的海浪和海鸥，
代替风暴
```

## 如何在 AI2Face 里使用 Gemini Omni

1. 打开生成器，选择视频和模型 Gemini Omni 1.1 Flash。
2. 选择模式：按文字、按照片、按参考（最多 6 张图），或按首帧和尾帧。
3. 设定时长（4、6、8 或 10 秒）、画幅（16:9 或 9:16）和分辨率。
4. 开始生成——费用事先显示。

修改成片和延长都在 AI2Face 生成器里。[Nano Banana 2](/zh/models/nano-banana-2) 或 [Seedream](/zh/models/seedream) 的图可以直接当作片段的第一帧。Omni 在 AI2Face 生成器里可用，费用在生成前就能看到。

## 限制

- **语言。** 完整支持的是英语，其他语言 Google 没有评估。
- **声音。** 不能修改人声，API 目前也不支持音频参考。
- **延长对白。** 不能把一段有人说话的上传视频延长，再补上新台词。
- **复杂运动和文字。** 在模型卡里，Google 把修改时的完全一致、复杂动态和画面中准确的文字列为难点。
- **地区。** 在欧洲经济区、瑞士和英国，不能存储和编辑视频。
- **标记。** 所有片段都含 SynthID；可以在 Gemini 应用、Chrome 和 Google 搜索里核对此标记。

## 结论

Gemini Omni 是 Google 的日常视频模型：输入灵活，带声音，最重要的是能用普通句子修改成片。适合用照片和参考做片子、做教育场景、做快速迭代。要 8 秒片段的最高画质和精确落到末帧，选 [Veo 3.1](/zh/models/veo-3-1)；要一次生成的长故事，选 [Seedance 2.5](/zh/models/seedance)。在 AI2Face，Omni 和图像模型在一起：生成器里的一帧可以直接成为视频的第一帧。

## 常见问题

### Gemini Omni 是什么？

Google DeepMind 的视频模型，能用文字、图像和视频的任意组合生成片段，再用普通句子修改。家族的第一版是 Gemini Omni Flash，当前版是 Omni 1.1 Flash。

### Gemini Omni 和 Veo 3.1 有什么不同？

Omni 接受的输入类型更多，还能用对话修改成片；Veo 3.1 则给出短片的最高画质。Google 建议把 Omni 当作默认视频模型，把 Veo 用于延长场景、末帧模式和旧流程。

### Gemini Omni 能做多少秒视频？

单次 3 到 10 秒。成片可以每次延长 10 秒，直到 40 秒。在 AI2Face 里可选 4、6、8 和 10 秒。

### 它能理解英语以外的语言吗？

Google 只完整记录了英语，其他语言没有官方评估。对白用英语更稳。其他语言的提示词通常能懂，我们测试里的俄语提示词也是如此。

### Gemini Omni 的官网在哪里？

没有单独的网站。官方渠道是 Gemini 应用、YouTube Shorts 和 YouTube Create、Google AI Studio，以及 Gemini API。名称里带 “omni” 的域名属于第三方服务。

### 可以免费试用 Gemini Omni 吗？

在 Google 这边，YouTube Shorts 和 YouTube Create 免费；Gemini 应用需要 Google AI Plus、Pro 或 Ultra 订阅。在 AI2Face，Omni 在生成器里按积分使用，费用在生成前就能看到。注册后会给到起始积分。

## 资料来源

- https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/
- https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/
- https://ai.google.dev/gemini-api/docs/omni
- https://deepmind.google/models/model-cards/gemini-omni-flash/
- https://ai.google.dev/gemini-api/docs/veo
- https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5