新闻正文
2026年5月22日，谷歌DeepMind正式推出新一代多模态生成模型Gemini Omni，首款落地产品Gemini Omni Flash已同步上线Gemini应用、Google Flow及YouTube Shorts平台。该模型实现了推理能力与生成能力的深度融合，支持以视频、图像、音频、文本为输入，生成符合现实逻辑的高质量视频内容。 此前谷歌曾推出Nano Banana功能，将Gemini的AI能力应用于图像生成与编辑，已帮助数百万用户修复老照片、将草图转化为设计图。此次推出的Gemini Omni则更进一步，从原生多模态架构出发，支持跨模态内容的生成与编辑，用户可通过自然语言指令，对视频进行多轮递进式修改，且能保持角色、物理规则、场景逻辑的一致性。 Gemini Omni的核心优势在于其精准的物理规则理解能力，以及对历史、科学、文化等知识库的融合应用。它能根据指令生成符合重力、动能、流体动力学等物理规则的场景，还能基于知识库实现有叙事性的内容创作，比如生成以特殊物品对应字母的科普视频。未来谷歌还将逐步拓展其支持的输出模态，覆盖图像、音频等更多类型。