Gemini Omni Flash

是什么

Gemini Omni Flash 是 Google DeepMind 推出的生成模型，可以从多种输入生成内容，用他们的话说，是「从视频开始」。 ^[2] 团队用一句话概括它：「像 Nano Banana，但做的是视频」。也就是说，它是一个通用的生成与编辑模型，只是第一站落在动态影像而非静态图片上。 ^[2]

用该模型创作视频的功能于 2026 年 5 月 19 日在 Gemini 应用中上线，最初面向 18 岁及以上的 Google AI 订阅用户。 ^[1][2]

用对话来剪片

使用者不需要把片段拖到时间线上拼接，而是用提示词描述想要的内容，提示词里可以混合文字、照片和视频，模型据此产出一段视频。 ^[1][2] 修改也走同一条路：新的指令建立在之前的指令之上，因此场景在反复修改中保持一致，而不必每次推倒重来。 ^[1][2]

进入创作有三条路径：从零开始、从相册里取素材，或者套用预设模板。 ^[1]

能接受什么，能改什么

模型接受的参考可以是图像、文本、最长三秒的视频，也可以是音频。 ^[2] 基于这些参考，它能改变镜头的风格、人物的动作和机位角度，替换角色，把参考片段里的运动迁移到新对象上，或者把一张草图变成视频。 ^[2]

Google DeepMind 列出了 Gemini Omni Flash 的四种模式：视频编辑、文生视频、图生视频和参考生视频——最后一种指按照用户提供的参考素材生成片段。 ^[2]

在工作过程中，草稿以 360p 渲染，这个较低的分辨率让反复试改保持流畅；定稿后再放大到 1080p 或 4K。 ^[2]

版本与 API

模型经由 Gemini API 分阶段向开发者开放：gemini-omni-flash-preview 于 2026 年 6 月 30 日出现，gemini-omni-1.1-flash 于 2026 年 8 月 27 日出现，gemini-omni-1.2-flash 于 2026 年 11 月 5 日出现。 ^[3]

每一步的进步是可以测量的。在成对比较评分中，Omni 1.2 在文生视频的画面一致性等项目上，有 62% 的比较被评价为优于 1.1。 ^[2]

Google 推荐用 gemini-omni-1.2-flash 替代 Veo 3.1 的 API 预览版，后者已于 2026 年 10 月 22 日关闭。 ^[3] 换言之，此前基于那个预览版开发的应用，被引导迁移到 Omni 系列上。

在哪里能用

除 Gemini 应用之外，模型还可在 Google Flow、Google AI Studio 和 Gemini API 中使用，也进入了 YouTube Shorts 和 Google Vids。 ^[2] 铺开的范围本身说明问题：同一个模型既支撑面向普通用户的应用，也支撑开发者接口，还嵌进人们已经用来做短视频和办公短片的工具里。

输出内容带有两类来源标记。SynthID 把不可感知的水印直接嵌入生成的媒体中，使其日后仍可被识别为机器生成；C2PA Content Credentials 则附带防篡改的元数据，说明这段素材是如何产生的。 ^[2] 两者的目的相同：让合成视频离开制作工具之后仍然可追溯。

为什么重要

真正变化的与其说是某一帧画面，不如说是交互方式。过去做视频意味着操作剪辑软件，现在意味着与一个记得前几轮对话的模型交谈，风格、角色和机位在一次次修改中被延续下来。 ^[1][2] 把音频与短片段参考、运动迁移、草图转视频放进同一个模型，等于把原先分散在几个工具里的活儿收进一个提示框。 ^[2] 分阶段的 API 发布和偏好评分也显示，这类能力是一版一版推上去的，而不是一次性交付的。 ^[2][3]