Gemini Omni Flash

• 1. 概要 （共 274 字）

  Gemini Omni Flash 是 Google DeepMind 在「Omni」模型家族推出的首款产品，于 2026 年 5 月 19 日 Google I/O 2026 上发布。它把 Gemini 的推理能力与原生多模态生成结合起来，能接受文本、图片、音频、视频任意组合作为输入，输出带同步原生音频的 720p 视频。真正让它从一众文生视频工具里脱颖而出的，是「对话式多轮剪辑」——你用自然语言一句句改，画面里的角色、光影、场景记忆会连贯保留。它已通过 Gemini App、Google Flow、YouTube Shorts 触达消费者，也在 2026 年 6 月 30 日开放了开发者公测 API。

• 2. 产品背景 （共 444 字）

  Omni 是 Google 在把 Gemini 做成「彻底原生多模态」路上的关键一步。官方说法是「create anything from any input, starting with video」，视频只是第一个落地的输出形态，未来会扩展到图像、音频等任意模态。家族定位上，Omni Flash 是轻量、快、便宜的档位，对标的是自家 Veo 3.1 Fast，而非旗舰 Veo 3.1；路线图里明显还留着能力更强的 Omni Pro。模型由 Google TPU 训练，采用 JAX 与 ML Pathways，架构是基于 transformer 的原生多模态模型。   发布节奏上，5 月 19 日消费者版随 Gemini App、YouTube 铺开，6 月 30 日开发者公测 API（模型 ID 为 gemini-omni-flash-preview）通过 Gemini API、Google AI Studio 与 Vertex AI 上线。DeepMind 在 7 月 5 日前后公开了官方 model card，但至今未公布任何正式评测分数，把基准留到了面向开发者和企业客户开放 API 之后。

• 3. 产品功能与使用体验 （共 500 字）

  核心玩法是「any-to-any」：一次推理里把文字提示、参考图（最多约 7 张）、一段视频、一段音频混在一起，统一理解后产出连贯视频。当前输出为 3 到 10 秒的 720p、24fps 片段，支持 16:9、9:16、1:1 比例，而且音频不是后期合成，是和画面同一 pass 原生生成的，口播、音效、BGM 天然同步。   最值得说的能力是对话式剪辑，跑在 Interactions API 上。它靠一个 previous_interaction_id 字段把上一轮结果挂到下一轮，你不用重新上传视频，说「把背景换成暖光厨房」「人物别动、镜头推近一点」，模型会保留你不想动的部分、只改你点名的局部。这把「剪辑」从拖关键帧时间线变成了一场聊天，是它相对 Runway、Pika、Kling 这类工具最大的差异点。Google 还顺手做了三个可 remix 的演示 App（Anywhere、Space Lift、Omni Product Studio），演示「先用 Nano Banana 2 Lite 出静帧、再交给 Omni Flash 动起来」的图像到视频流水线。每段视频都带不可见的 SynthID 数字水印，可在 Gemini App、Chrome 与 Search 里验证。

• 4. 定价与商业模式 （共 486 字）

  消费侧，Gemini Omni Flash 对 Google AI Plus、Pro、Ultra 订阅用户免费开放（走 Gemini App 与 Google Flow），YouTube Shorts 与 YouTube Create 对 18 岁以上用户也免费。Google 在 2026 年 6 月把 AI Plus 月费从 7.99 美元砍到 4.99 美元，Pro 维持 19.99 美元，Ultra 分 100 与 200 美元两档；Flow 每月积分池 Plus 200、Pro 1000、Ultra 10000 到 25000。   开发者 API 没有免费档，按视频秒数计费：720p 约 0.10 美元/秒，换算成 token 是视频输出 17.50 美元/百万 token、输入（文本/图/音/视）1.50 美元/百万 token，每秒 720p 约 5792 个输出 token。一个 8 秒片段含输入大概 0.85 美元。在 Google Flow 里，Omni Flash 单次生成消耗积分 4s=15、6s=20、8s=25、10s=30，剪辑上传视频统一 40 积分。API 入口只有 AI Studio 与 Vertex AI 两条官方通道，两者 SDK 与鉴权体系互不通用，企业部署要预留 30 到 60 分钟上手成本。

• 5. 用户评价 （共 307 字）

  上手过的创作者普遍把惊喜点放在「编辑循环」而非「画质」。在 Gemini App 里用自然语言改镜头、换背景、加物体，角色一致性保持得相当好；有测评连续两轮编辑，同一件红羽绒服、同一张脸、同一头发的细节都干净地延续到了不同打光的新场景里。把已有素材丢进去、说人话改、改到满意，这个工作流被认为明显优于「不满意就整段重 roll」。   负面反馈集中在几个地方。一是配额与限制：社区里不少人吐槽生成次数和时长卡得很紧，有人反映仅生成 5 个视频就耗尽配额，连带 Pro、Flash 模式都用不了。二是一处失误的编辑也会消耗一次生成额度，认真测试很容易比预期烧更快。三是安全过滤偏严、部分浏览器或手机上出现过视频卡死无法播放的可用性 bug。

• 6. 行业评价 （共 312 字）

  第三方 Arena 盲测里，Omni Flash 文本生视频拿到 1527 Elo 居首，图生视频 1475 与字节 Seedance 2.0 并列第一，确实把天花板顶高了。但 Google 自己始终没发布官方基准，所以「数值领先」目前主要靠社区盲测支撑，媒体对此普遍持保留态度。   行业里更清醒的判断是：Omni Flash 是「快、便宜的视频档」，不是 Google 最好的视频模型。重度的 AI 视频用户同台对比后，认为它在复杂运动、打斗、物理一致性上仍落后于 Seedance 2.0——Jenga 砖块会凭空消失或变形、滚珠在转折处无故弹起，物理更像是「观感上的合理」而非严格解算。它的价值不在「从零生成最漂亮的一镜」，而在「基于已有片段做可控迭代」这条工作流上。

• 7. 争议与风险 （共 414 字）

  首当其冲的是深伪与内容可信度。因为模型能生成近乎真实摄像机的视频，SynthID 这类 AI 标识成了刚需，讨论也很快延伸到影视工业、VFX、previs 乃至机器人仿真领域，它是创作工具还是进一步污染视频生态，两极分化。   地域与合规限制也值得注意：官方文档写明，上传视频的剪辑功能在欧盟经济区、瑞士、英国不可用，部分美国州也被排除；含未成年人的图片在上述地区禁止上传。企业访问另有规则，个人账号需有 Google AI 套餐，工作或学校账号需符合条件的 Workspace 授权，发布窗口期大量企业用户因此被锁在门外。   还有一类风险是山寨与混淆。市面上不存在官方 APK、登录门户或桌面客户端，「gemini omni apk」「下载」一类搜索会指向 squat 站点，截至 2026 年 7 月初至少已有一个非官方域名排在模型名搜索首页。另外模型 card 自曝的三处已知短板——多步编辑的一致性、复杂运动场景、画面内准确文字——尚未解决，中文、日文等文字渲染尤其弱。

• 8. 适用人群与使用建议 （共 296 字）

  如果你要的是基于一段已有视频改环境、改机位、改风格、保留主体不动，Omni Flash 是目前最顺手的选项，尤其适合短视频、产品演示、科普讲解这类「一个场景一个意思快速落地」的活。它和 Nano Banana 2 Lite 串起来做「先出静帧、再动起来」的流水线体验很好。   如果你追求从零生成最惊艳的一镜、强运动画质或长叙事，Seedance 2.0、Kling 3.0、Veo 3.1 在不少风格上仍更稳。做产品、SaaS 或生产管道、想接后端 API 的团队，目前只能等 Gemini API / Vertex AI 的公测通道成熟，没有官方支持的集成路径。建议重度创作者先选 Ultra 档再上量，并预留「失误也扣额度」的试错成本。

• 9. 总结 （共 140 字）

  Gemini Omni Flash 未必是画质天花板，但它把视频生成从「写提示词、等结果、不满意重来」推进到「扔素材进去、说人话改、改到满意」，这个方向是对的，也确实打到了创作者的痛点。Flash 更像前菜，等 Omni Pro 与图像、音频输出补齐后，Omni 家族代表的范式转变才会真正展开。

暂无深度报告

• 

  KarenLongK

  —

  回不去了，剪辑流程被它改写了。

---

• 

  JJones007

  —

  生成质量可用、好看，但别指望它一次出长片，拆段拼吧。

---

• 

  OMitchellQ5

  —

  API 没有免费档，0.10 美元一秒，8 秒片段差不多一块钱，开发者得上 AI Studio 或 Vertex。

---

• 

  JJimenezJr

  —

  免费的！YouTube Shorts 直接玩。

---

• 

  Ann.GutierrezX

  —

  欧盟和英国不能编辑上传的视频，含未成年人的图也禁传，地区限制挺烦。

---

• 

  LydiaThomas_202318

  —

  Nano Banana 的亲弟弟，视频版。

---

• 

  silverzebra287

  —

  开头那段小提琴手三连编辑是真惊艳——从舞台到街景再到过肩镜头，同一个人、同一把琴、姿势都没变。但多轮之后一致性会开始漂移，有测评跑了 22 条提示也得出类似结论：短片段迭代强，长叙事、密集文字、反复大改还撑不住。别拿它当专业剪辑软件用。

---

• 

  LaurenJames

  —

  和 Seedance 2.0 同台对比了一下，结论很现实：从零生成最漂亮的一镜，Seedance 更稳；但你要基于已有素材改背景、改机位、换风格，Omni Flash 的对话式编辑是独一档。打斗场景还是 Seedance 完胜，Omni 的武术动作偏慢、水花也糊。所以别神话它，定位清楚就行。

---

• 

  AdamMadsen

  —

  用了一周最深的感受是，Omni Flash 把「改视频」变成了一场聊天。我上传一段街拍，说「把背景换成海边夕阳、镜头推近」，它真就改了，人物还保持得住。但指令必须写得很精确，我有次漏了「暖光角度」，它直接从夕阳跳到深夜，体验像开一台脾气倔的跑车——爽是爽，路况得自己摸透。

---

• 

  syrl3e

  —

  在 Google Flow 里用比 Gemini App 正式得多。Flow 是项目工作台，能上传参考视频、裁切片段、确认素材使用权再生成，适合持续迭代；App 入口更像轻量测试区，次数和可用性受地区订阅影响。做商业项目的记得留意那个素材使用权提示，版权边界要提前确认。

---

• 

  Janet.Turner_Pro

  —

  重度创作者小心额度。Google 把按天消息数改成了按算力消耗，Omni 视频特别吃配额，密集用一两个小时就触发五小时冷却。好消息是后来紧急松绑了，失败的请求不再扣额度，还加了用量仪表板和随用随付的 AI 点数。但免费档基本只能 YouTube Shorts 尝鲜。

---

• 

  Amber.Scott36947

  —

  物理一致性还是会翻车，滚珠在转折处无故弹起，Jenga 砖块还能凭空消失，说是世界模型其实是观感上的合理，不是真在解方程。

---

• 

  DylanMurray369

  —

  配音和旁白同步偶尔慢半拍，一个模型塞太多功能，音乐和口播这块不如专用模型锋利。

---

• 

  TIkra

  —

  Omni Flash 的对话式剪辑真的回不去了。

---

• 

  DebraRodriguez27

  —

  Arena 盲测里文本生视频拿到 1527 Elo 排第一，图生视频 1475 跟 Seedance 2.0 并列第一，这个成绩确实把天花板顶高了，但 Google 自己一直没发官方基准，所以领先目前主要靠社区盲测撑着。

---

• 

  Lisa_Powell369

  —

  画面锐利度没问题，但读起来偏数字感、不够电影味，fast motion 还是会崩一点。

---

• 

  Jean_Baker369

  —

  SynthID 水印是隐形的，能在 Gemini App 和 Chrome 里查是不是 AI 生成的，深伪这块起码有标识。

---

• 

  JMendozaII

  —

  Wharton 的 Ethan Mollick 用「海獭、精神航空、莎士比亚打披萨机器人」这种复杂提示测，转场顺、指令遵循高，他自己说真正聪明的模型能直接吃视频、创作空间大得多，这点我是认可的。

---

• 

  孔昊

  —

  生成一条短视频消耗我 Pro 配额的三分之一，改一次又要一半，真不够造。

---

• 

  墨染255

  —

  真人脸直接糊成一团，只能拿背影凑数，这安全机制也太保守了。

---

• 

  Adam.Stewart_668

  —

  10 秒上限反而适合做短内容，拆成几段快速试不同开场挺顺。

---

• 

  SThompson_Plus

  —

  失败一次就把五小时额度烧光，这 bug 当时坑惨一堆人，后来 Google 修了。

---

• 

  Michelle.ThompsonZ

  —

  它还会自动加分镜，我没写要 cutscene 它也把节奏切出来了，短片很实用。

---

• 

  PRper

  —

  AI Plus 现在 4.99 美元一个月，比之前便宜，入门门槛低了。

暂无评论