谷歌 Gemini Omni Flash 来了：像聊天一样剪视频的 AI

谷歌近期发布了一款新的 AI 模型，它不仅能创作视频，还能让你像和真人剪辑师聊天一样，通过对话完成剪辑。这款名为 Gemini Omni Flash 的模型于 2026 年 5 月 19 日在 Google I/O 大会上首次亮相，是全新 Gemini Omni 家族中第一个对公众开放的模型，标志着谷歌在生成式媒体领域的思路发生重大转变 。它不再是一个独立的工具，而是将谷歌的视频生成能力直接融入了其核心的 Gemini 推理系统之中 。

其核心卖点是“万物皆可输入，视频即可输出” 。与以往需要绞尽脑汁编写单个提示词的模型不同，Omni Flash 能记住已经创作的内容。你可以要求它更换角色的夹克、调整光线或重写一个场景，它会保留视频片段其余部分的布局和一致性 。这种多轮对话式编辑是其脱颖而出的关键特性，让其与市面上的单次生成视频工具有本质区别 。

Gemini Omni Flash 是如何工作的？

Gemini Omni Flash 并非简单的图像拼接工具。它的底层架构是一个基于 Transformer 的模型，能对文本、图片、音频和视频的任意组合进行推理，从而生成单一、连贯的输出 。谷歌认为，这赋予了模型一种“世界知识基础”的智能，即它会运用物理、动力学、历史和文化背景规则，来确保生成的场景逼真 。

它结合了 Gemini 的推理引擎与 Veo、Nano Banana 和 Genie 等久经考验的生成式媒体模型 。最终的系统能同时接收文本提示、参考图片、音频样本和现有视频片段，并将其编织成一个带同步音频的 10 秒新视频片段 。

Omni Flash 生成的每个视频都通过谷歌的 SynthID 技术打上了隐形水印，以帮助识别和追踪 AI 生成内容的来源 。虽然 10 秒的时长是一个限制，但谷歌表示这是针对首次发布的设计选择，而非模型的固有制约 。

需要注意的是，虽然你可以生成带同步音频的视频，但目前该模型不允许你独立编辑生成视频中的语音或音频——这是谷歌有意保留的能力 。

谁可以访问，价格是多少？

谷歌在发布当天就在全球范围内推广了 Gemini Omni Flash，通过免费和付费层级向用户开放 。

• 免费访问： 年满 18 周岁的用户可以通过 YouTube Shorts Remix 工具和 YouTube Create 应用免费使用该模型 。
• Google AI Plus 订阅： 月费 7.99 美元，订阅用户可通过 Gemini 应用和 Google Flow 访问 。
• Google AI Pro 订阅： 月费 19.99 美元，同样可通过上述渠道访问 。
• Google AI Ultra 订阅： 价格更高的订阅层级，同样提供访问权限，但早期资料未透露具体价格 。

开发者和企业 API 访问权限尚未开放。谷歌表示，将遵循此前 Gemini 模型发布的模式，在“未来几周内”通过 Gemini API 和 Vertex AI 逐步推出 。

徕卡：在传统光学与智能手机 AI 之间划清界限

就在谷歌发布新模型几周后，一种截然不同的产品哲学登上了舞台。2026 年 5 月底，在维也纳举行的小米 17T Pro 发布会上，这款同时搭载徕卡调校相机和 Gemini Omni 能力的手机，让徕卡明确了自己对生成式 AI 的立场 。

徕卡相机公司移动业务部副总裁 Marius Eschweiler 表示，公司的核心理念是创造能复制现实的、真实的影像 。他将这种理念与 Omni 等工具进行了直接对比，称：“你很可能不会在徕卡 M 相机上看到它”，并强调了品牌对光学工艺和捕捉瞬间纯粹性的承诺 。

然而，徕卡并未完全否定这项技术。公司领导层承认，生成式 AI 在智能手机上非常合乎逻辑。在一个计算摄影已成标配的生态系统中，由 AI 驱动的创作和编辑更像是一种用户体验的自然演进，而非对传统的背离 。这一立场创造了一个清晰的双重策略：专用徕卡相机继续作为捕捉光线的纯粹主义工具，而手机则成了 AI 辅助创作的画布。

未来路线图：Pro, Ultra 和更多可能

谷歌异常直接地表明，Flash 模型只是第一步。谷歌 CEO Sundar Pichai 和 DeepMind CTO Koray Kavukcuoglu 都将 Omni 描述为一个模型家族，其设计初衷是最终能“从任何输入中创建任何东西” 。

具体来说，这意味着近期有两大发展方向：

• 超越视频： 虽然从 10 秒视频片段起步，但谷歌已经表示，Omni 模型家族在未来版本中将扩展到生成图片和文本输出 。
• 更强大的模型： 路线图中包含 Omni Pro 和 Omni Ultra 变体。它们将比当前的 Flash 模型（该家族中最快、最经济的版本）功能更强大 。

从更高层面看，谷歌将 Omni 视为迈向完整“世界模型”的一步——这种系统不仅生成媒体，还能跨所有模态理解、模拟和与环境交互 。就目前而言，其首要任务是扩展 Omni 可以生成的格式，并将 API 接口交到开发者的手中。