Google Gemini Live 開放即時 AI 生成改圖！鏡頭對住就得，Android / iOS 同步有得玩

有一點要留意：Gemini 本身一直都有圖片生成功能，但以前嗰啲係要靠打字 Prompt 去觸發，而 Gemini Live 今次嘅升級係將呢個能力嵌入實時語音同鏡頭嘅對話情境入面 。換句話講，你同 AI 嘅互動變得更自然、更流暢，唔使中斷對話去等結果。

背後技術：Gemini 2.5 Flash Image（nano-banana）有幾勁？

呢次 Gemini Live 嘅圖片功能背後，靠嘅係 Gemini 2.5 Flash Image，亦有人叫佢做 nano-banana。Google 話呢個係佢哋目前最頂尖嘅圖片生成同編輯模型 。

佢嘅核心能力包括：

• 多圖融合：可以將幾張唔同嘅圖片無縫融合成一張合成圖
• 角色一致性：喺連續編輯入面，角色嘅樣貌同特徵可以保持一致，啱晒用嚟做故仔板或者漫畫創作
• 自然語言精準修改：你可以用日常講嘢嘅方式叫佢做局部修改，例如「將件衫變紅色」、「加副太陽眼鏡」、「執走背景嗰個人」
• 結合世界知識：Gemini 會運用佢對真實世界嘅理解去生成同編輯圖片，令效果更貼近現實

呢個模型已經可以透過 Gemini API 同 Google AI Studio 畀開發者使用，企業用戶亦可以經 Vertex AI 存取。收費方面，每 100 萬個輸出 Token 收 30 美元，每張圖大約消耗 1290 個輸出 Token 。

Google I/O 2026 全線更新：一次過睇晒 Gemini 生態大升級

今次 Gemini Live 嘅升級只係 Google I/O 2026 大會嘅其中一個重點。成個大會嘅發布圍繞住一個核心訊息：Google 要將 Gemini 打造成一個統一嘅多模態 AI 平台，由文字、圖片、影片到語音，所有嘢都喺同一個生態入面即時互動。

Gemini 3.5 Flash：快過對手 4 倍，已經係預設模型

Google 正式推出 Gemini 3.5 Flash，呢個新模型即時成為 Gemini App 同 Google Search 嘅「AI Mode」預設引擎 。

官方畀出嘅數據相當震撼：

• 輸出速度快 4 倍：比起同級嘅其他前沿模型，Gemini 3.5 Flash 嘅 Token 輸出速度快足 4 倍
• 專為「代理式」（agentic）任務設計：擅長處理多步驟工具調用、編碼、邏輯規劃等複雜工作，唔會因為延遲而影響效率
• 跑分成績突出：喺 Terminal-Bench 2.1 編碼代理任務攞到 76.2%，MCP Atlas 多步驟工具調用測試有 83.6%，仲有多項基準測試都砌低咗 Gemini 3.1 Pro

Google DeepMind 首席技術總監 Koray Kavukcuoglu 形容：「3.5 Flash 提供咗一個難以置信嘅品質同低延遲組合。」 簡單講，就係又快又聰明，仲要成本低過其他頂尖模型一大截。Google 仲估計，如果企業將 80% 嘅工作負載轉去用 Flash，每年可以慳超過 10 億美元 。

Gemini Omni：影片版 nano-banana，任何輸入都可以出片

另一個全場焦點係 Gemini Omni。Google 將佢定位為一個「可以從任何輸入創建任何輸出」嘅新模型，而第一步就係由影片生成同編輯開始 。

業界好快就幫佢改咗個花名：「影片版 nano-banana」。因為佢嘅玩法同 Gemini Live 圖片功能一樣直觀：你同 AI 傾偈，佢就幫你整片或者改片。

Gemini Omni 嘅核心賣點：

• 多模態輸入：你可以同時畀文字、圖片、影片、聲音佢，佢會綜合理解然後輸出影片
• 對話式編輯：唔使識複雜嘅剪片軟件，直接開口叫佢「將呢個金屬雕塑變做泡泡」、「轉換鏡頭角度」、「改背景去巴黎」，佢就會跟住做，仲要保持角色同場景一致性
• 世界理解能力：Omni 會運用 Gemini 對真實世界物理、歷史、文化嘅理解去生成影片，所以啲嘢睇落會更合理，唔會出現違反物理嘅古怪畫面
• 自訂 AI 頭像：你可以整一個同自己樣貌同聲線一樣嘅 AI 頭像，直接將自己「放入」生成嘅影片入面

首批推出嘅係 Gemini Omni Flash 版本，會開放畀所有 Google AI Plus、Pro 同 Ultra 訂閱用戶，可以喺 Gemini App、Google Flow 同 YouTube Shorts 用到 。目前 Flash 版本限制輸出 10 秒長嘅影片，Google 話呢個係運算資源嘅取捨，唔係模型本身嘅限制 。

其他重點發布

• Gemini Spark：一個全新嘅個人 AI 代理，可以喺雲端 24/7 持續運作，就算你熄咗機佢都會幫你處理任務
• Google Pics：全新嘅 AI 圖片編輯平台，被形容為「輕量版 Canva」，可以上載圖片再用自然語言叫 Gemini 幫手執相
• Docs Live：語音文件創建功能，你可以就咁用把口「腦震盪」講出你嘅諗法，Gemini 會幫你整理成文件，夏天會開放畀 Pro 同 Ultra 用戶
• Gmail Live 同 Keep 語音功能：同樣係將語音互動帶入 Gmail 同 Google Keep，等你可以用把口搜尋郵件、記事
• Gemini App 重新設計：採用名為「Neural Expressive」嘅新設計語言，Gemini Live 唔再需要開全螢幕介面，變得更 inline、更流暢
• Search 大升級：Google 話呢次係 25 年嚟搜尋引擎最大規模嘅更新，AI Mode 全面整合 Gemini 3.5 Flash

Google 嘅競爭位置：統一即時多模態管線

睇完成堆發布，Google 嘅策略藍圖其實好清楚：佢唔係要喺單一功能上砌低對手，而係要建立一個端對端嘅即時多模態 AI 管線。

具體嚟講：

• 圖片：Gemini Live 做到鏡頭對住乜就生成乜、改乜，即時對話式操作
• 影片：Gemini Omni 將同一套「傾偈創作」邏輯延伸去影片領域，輸入可以係文字、圖片、影片、聲音嘅混合
• 推理加媒體生成：Google 強調 Omni 結合咗 Gemini 嘅核心智能同生成式媒體模型，所以唔係純粹「生成」，而係有理解、有邏輯嘅創作
• 速度同代理能力：Gemini 3.5 Flash 提供咗極低延遲嘅推理能力，令成個即時互動體驗可以順暢運行

Google 嘅真正優勢在於整合深度。當你用手機鏡頭對住一樣嘢，AI 唔單止睇得明，仲可以即時幫你生成新嘅視覺內容，然後你又可以用同一把口叫佢改，甚至進一步將呢個概念延伸去整片。呢個循環係封閉同即時嘅，唔使跳 App，唔使等 Processing。

當然，暫時呢啲功能仲係逐步推出嘅階段，實際表現會唔會打折扣，要等大規模開放之後先見真章 。但方向已經好明確：Google 想將 Gemini 變成你隨身嘅 AI 創作夥伴，無論你係想整張圖、改條片，定係做資料搜集，都可以就咁同佢傾偈搞掂。

對於香港用家嚟講，最大嘅好消息係呢堆功能唔係只限英文。只要 Gemini App 喺你個地區上到架，你就可以用廣東話自然噉同 AI 互動。想像下，你行緊街見到個得意嘅招牌，舉起手機講句「幫我將呢個招牌嘅字換做『叉燒飯』，背景轉做舊式冰室」，幾秒後 AI 就出圖畀你——呢種「講得出，即刻有」嘅體驗，就係 Google 想打造嘅未來。