Gemini Omni：Google I/O 2026 發表嘅多模態影片生成 AI

Google 喺 Google I/O 2026 發表全新 AI 模型系列 Gemini Omni。呢個系統主打「多模態生成」，可以同時理解同處理多種輸入，例如文字、圖片、聲音同影片，然後生成新內容——而第一步就係 影片生成。

首個推出嘅版本叫 Gemini Omni Flash，發表當日已經開始喺 Google 嘅 AI 生態系統入面逐步推出。

以下整理 Gemini Omni 嘅重點：功能、同 Veo 嘅分別、實際可以做到啲咩、推出平台，以及 Google 點樣配合 SynthID 做 AI 內容識別。

Gemini Omni 係乜？

Gemini Omni 係一個 多模態生成模型家族（multimodal generative model）。Google 形容佢係將 Gemini 嘅推理能力 同 生成式媒體模型 結合起嚟。

推出初期主要做 影片生成：

• 可以同時輸入 文字、圖片、聲音同影片
• AI 會根據呢啲資料生成 高質素影片
• 可以用 對話方式修改影片內容（例如改場景、物件、風格）

Google 表示，Omni 嘅模型設計目標係改善影片生成嘅 動作、物理效果同物件互動，令畫面更加自然同連貫。

目前主要輸出係影片，但 Google 已經透露，未來版本會逐步加入 圖片同文字生成 等能力。

同 Veo 有咩分別？

喺 Gemini Omni 之前，Google 嘅主要影片生成模型係 Veo。

兩者最大分別係設計定位。

Veo：

• 專門用嚟生成影片
• 屬於獨立嘅媒體生成模型

Gemini Omni：

• 統一多模態模型
• 可以同時接收文字、圖片、聲音、影片
• 將 Gemini 推理能力同生成模型整合

換句話講，Google 係將之前分散喺唔同工具（例如 Veo 等媒體模型）嘅能力整合成 一個基礎模型平台。

咁做嘅好處係：AI 可以同時理解唔同媒體之間嘅關係，例如用參考圖片、語音指示同影片素材一齊生成內容。

Gemini Omni Flash 可以做到啲咩？

Gemini Omni Flash 係 Omni 系列第一個正式推出嘅模型。

佢支援喺 同一個提示（prompt）入面混合多種輸入：

• 文字
• 圖片
• 聲音
• 影片

之後系統會生成 真實感較高嘅影片，而且可以再用自然語言繼續修改內容。

Google 示範過幾個典型用法，例如：

• 用文字 + 參考圖片生成完整影片場景
• 上傳現有影片，再用文字修改內容
• 用語音指示改變影片畫面

模型亦嘗試更好理解 物件移動、重力同互動，令生成影片嘅物理表現更合理。

推出時間同可以喺邊度用

Google 由 2026 年 5 月 19 日（I/O keynote 當日） 開始推出 Gemini Omni Flash。

首批支援平台包括：

• Gemini App
• Google Flow（AI 創作工具）
• YouTube Shorts 同 YouTube Create（創作者工具）

喺 Gemini 生態入面，Omni 功能同 Google AI 訂閱計劃綁定。

支援方案包括：

• Google AI Plus
• Google AI Pro
• Google AI Ultra

越高級嘅方案通常會有 更高使用上限同更進階功能。

Google 同時喺 I/O 2026 推出一個 每月 100 美元嘅 AI Ultra 訂閱方案，主要針對開發者同高階創作者，需要更高運算資源。

SynthID：AI 內容水印同檢測

隨住生成式 AI 越來越強，Google 亦同步推動 內容透明度工具。

核心技術叫 SynthID。

SynthID 係一種 隱形數碼水印技術，會嵌入喺 AI 生成內容入面，包括：

• 圖片
• 影片
• 聲音
• 文字

呢啲水印 人眼睇唔到，但軟件可以識別，用來驗證內容是否 AI 生成。

喺 I/O 2026，Google 宣布幾項重要擴展。

1. Search 同 Chrome 內建檢測

Google 會喺 Google Search 同 Chrome 瀏覽器加入識別工具，幫用戶判斷網上圖片是否 AI 生成或被 AI 修改。

2. 多間公司採用 SynthID

Google 亦宣布多間科技公司開始使用 SynthID，例如：

• OpenAI
• Kakao
• ElevenLabs
• Nvidia

目標係建立一個 跨公司嘅 AI 內容識別標準。

3. SynthID Detector 驗證工具

Google 仲推出 SynthID Detector 網站工具。

用戶可以上傳圖片、影片、聲音或文字，系統會檢查當中是否包含 SynthID 水印，協助記者、研究人員或平台驗證內容來源。

點解 Gemini Omni 重要？

Gemini Omni 代表 AI 媒體生成方向嘅一個重大轉變。

過去 AI 工具通常分開：

• 一個做文字
• 一個做圖片
• 一個做影片

Google 而家嘅策略係建立 統一多模態模型，一個系統同時理解同生成唔同媒體。

目前第一步係 多輸入生成影片，但長遠目標係：

任何輸入 → 任何輸出。

同時，Google 亦將呢類生成能力同 **水印同檢測系統（SynthID）**配合，希望減低 AI 假內容同 deepfake 帶來嘅風險。