Google 在 I/O 2026 发布 Gemini Omni，一个原生多模态的视频理解与生成模型，支持对话式视频编辑和任意参考物组合。
📝 详细摘要
该推文深入解读了 Google 发布的 Gemini Omni 模型，这是一个原生多模态的视频理解与生成模型，与 Veo 等传统视频生成模型有本质区别。核心差异化能力包括：1）对话式视频编辑，支持多轮自然语言交互，每轮修改建立在上一轮结果上，保持角色、物理和场景的一致性；2）结合世界知识和物理直觉，能理解重力、动能等物理规律以及历史、科学等文化语境；3）任意参考物组合，支持图、文、视频、音频混合输入。推文通过与 Veo 的对比，突出了 Omni 在底层设计、提示词方式、编辑能力和知识理解上的全面优势。
📊 文章信息
AI 初评：89
来源：meng shao(@shao__meng)
作者：meng shao
分类：人工智能
语言：中文
阅读时间：4 分钟
字数：905
标签： Gemini Omni, Google I/O, 视频生成, 多模态模型, 对话式编辑