谷歌推出Gemini Omni 带来的不是“直接生成一部电影”|gemini|omni|一部电影|剪辑师|知名企业|谷歌

谷歌DeepMind CEO德米斯·哈萨比斯当地时间周二宣布推出一款新的人工智能模型“Gemini Omni”，用于视频生成与编辑。

他表示：“该模型起初只生成视频，但随着时间推移，Omni将能够从任意输入生成任意输出。这一直是我们为Gemini设定的目标，也是我们从一开始就构建多模态系统的原因。这条路径更困难，但如今基础架构开始带来回报。今天我们推出Omni系列的首个模型——Gemini Omni Flash。”该模型将从今天起在谷歌的Gemini应用、Google Flow以及YouTube Shorts中逐步上线，公司还表示未来也将通过API开放使用。

据悉，Gemini Omni 是 Gemini 模型家族迄今为止能力最为全面的版本。“Omni”意指“全能”，该模型在处理文字、图像、视频、音频等多种模态信息时，展示出前所未有的流畅性与深度。

Gemini Omni 宣称能“从任何输入生成任何输出”，支持对话式编辑，用户可一句话改变视频中的角色、背景等元素。

把小提琴变透明：

官方展示了一个连续修改的例子：先生成一个小提琴手演奏的视频，然后把小提琴手放进另一张图片里的环境，再把小提琴变成透明，最后把镜头角度改成从小提琴手肩膀后方看。整个过程是一轮一轮接着改，而不是每次推倒重来。

谷歌还特别强调，Omni背后接的是Gemini的世界知识。它对重力、动能、流体这些物理效果有更好的理解，也可以把复杂概念做成解释视频。行动会产生后果，环境会对事件做出反应，叙事会按逻辑发展。

换句话说，谷歌想表达的是，AI视频不是只能做炫酷短片，也可以变成一种知识表达工具。复杂概念、科学过程、教学内容，都可以被转成更直观的视频。

Gemini Omni 带来的不是“直接生成一部电影”，而是彻底颠覆了电影的前期筹备、中期拍摄和后期制作的工作流（Workflow）。

具体来说，首先颠覆性的“对话式视频剪辑”（Conversational Video Editing），是对影视后期行业冲击最大的一项创新。以往剪辑师和特效师需要依赖复杂的轨道、时间轴和图层软件，而 Gemini Omni 引入了多轮对话剪辑机制。

像和真人剪辑师说话一样改视频：导演或剪辑师可以上传一段粗剪视频，直接对 AI 说：“把背景换成下雨的深夜”、“在右侧车道加一辆红色的跑车”，或者“把镜头的机位调低，改成仰拍”。AI 会在连续的对话中记住前面的所有指令。它在修改局部画面时，能完美保持主角的五官一致性（Character Consistency）、周围环境细节以及镜头运动轨迹。

此外，Gemini Omni 最大的技术突破之一在于它不仅是“像素层面的模仿”，而是接受了大量物理规律的训练，它对重力、流体力学、动力学和光影变化有了更深刻的理解。在官方演示中，当角色用手触摸镜面时，镜面会像液体一样泛起真实的涟漪，同时角色的手臂皮肤也会逐渐自然地演变成镜面反射材质。

这种高难度视听语言的物理计算，将极大地缩短科幻、奇幻电影在绿幕阶段后的 CG（电脑动画）渲染周期和成本。

在电影前期筹备（Pre-production）阶段，导演可以同时上传：一张主角的人物静态图、一段关于世界观的剧本文字、以及一段特定艺术风格的参考视频。Omni 能够将这三种完全不同维度的输入融为一体，瞬间生成符合要求的动态分镜（Storyboard）或概念片花（Mood Reel）。

Omni 允许用户通过自己的声音和肖像生成高度逼真的视频 AI avatar（数字分身）。演员在后期制作中如果需要补音（ADR）或修改少量面部表情，可能不再需要重回录音棚，通过 AI 授权即可在短时间内低成本完成微调。

但这也同时面临巨大争议，为了应对深伪（Deepfake）和版权风险，谷歌在发布会上宣布暂不对公众开放高级语音和音频编辑功能。同时，所有由 Omni 生成的视频都会被强制嵌入 DeepMind 开发的 SynthID 隐形数字水印，以此保证电影工业的版权透明度。

目前反馈来看，Gemini Omni 像是一个拥有无限算力的“全能副导演/特效总监”。现在的独立电影人和小型工作室，凭借这个模型，就能以极低的成本制作出以往只有好莱坞大厂才能负担得起的视觉特效。