Gemini Omni：Google 在 I/O 2026 發表的多模態影片生成 AI

以下整理 Gemini Omni 的核心功能、與 Veo 的差異、Omni Flash 的能力、目前可使用的平台，以及 Google 同步擴展的 SynthID AI 內容辨識系統。

Google 在 I/O 2026 發表了什麼：Gemini Omni

Gemini Omni 被 Google 描述為一個 多模態生成模型家族，目標是讓 AI 能從幾乎任何輸入組合生成媒體內容。

在首波推出時，功能主要集中在 AI 影片生成：

• 可以同時使用 文字、圖片、音訊與影片 作為輸入
• AI 會生成 高品質且具情境理解的影片
• 影片內容可以透過 自然語言對話進行編輯

例如，使用者可以：

• 用文字描述場景並加入參考圖片生成影片
• 上傳現有影片後，用語音或文字修改場景元素
• 用對話方式調整人物、物件或風格

Google 表示，Gemini Omni 的設計重點之一是提升 物理與動作理解能力，例如物體移動、重力、動能與互動關係，使生成影片更自然與一致。

目前 Omni 的輸出主要是影片，但 Google 已表示未來版本將逐步支援 直接生成圖片與文字 等更多內容形式。

Gemini Omni 與 Veo 的差異

在 Omni 之前，Google 的主要影片生成模型是 Veo。

兩者最大差別在於架構與定位。

Veo：

• 專注於影片生成
• 屬於獨立的媒體生成模型

Gemini Omni：

• 統一的多模態基礎模型
• 可同時接收文字、圖片、音訊與影片輸入
• 結合 Gemini 推理能力與生成式媒體模型

換句話說，Omni 的目標是把原本分散在不同工具中的能力整合到 單一 AI 模型，包括影片生成（Veo）與其他媒體生成技術。

這讓 AI 能跨模態理解內容，例如同時解析對話、畫面與參考素材，再生成或修改影片。

Gemini Omni Flash 能做什麼

Gemini Omni Flash 是 Omni 系列第一個正式推出的模型。

它支援在同一個提示（prompt）中使用多種輸入：

• 文字
• 圖片
• 音訊
• 影片

AI 會依據這些資料生成 逼真的影片輸出，並允許使用者透過自然語言持續修改結果。

Google 示範的應用場景包括：

• 用文字與參考圖片生成完整影片場景
• 上傳影片後用語言指令修改畫面
• 結合語音指令與素材調整影片

由於模型更理解 物體運動與互動關係，生成影片在動作與物理一致性上比早期模型更自然。

Gemini Omni Flash 何時推出、在哪裡可用

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

初期整合的平台包括：

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

在 Gemini 生態系中，Omni 的使用與 Google 的 AI 訂閱方案相關。

支援的方案包括：

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

不同方案主要差別在於 使用量限制與進階功能。

Google 也在 I/O 2026 推出新的 AI Ultra 訂閱方案（每月 100 美元），主要面向開發者與高階創作者，提供更高運算與使用額度。

SynthID：AI 內容浮水印與偵測

隨著生成式媒體能力提升，Google 同時強調 內容透明度與防濫用機制。

核心技術是 SynthID。

SynthID 是一種 不可見數位浮水印系統，可嵌入 AI 生成內容中，包括：

• 圖片
• 影片
• 音訊
• 文字

這些標記 人眼無法察覺，但可被軟體偵測，讓系統判斷內容是否由 AI 生成。

在 I/O 2026，Google 宣布多項擴展。

1. Google 產品內建 AI 檢測

Google 正把 SynthID 檢測能力加入：

• Google Search
• Chrome 瀏覽器

未來使用者在瀏覽網路圖片時，可以直接判斷內容是否由 AI 生成或修改。

2. 跨公司採用

Google 也宣布多家 AI 公司加入 SynthID 生態系，包括：

• OpenAI
• Kakao
• ElevenLabs
• Nvidia

這些公司將在其 AI 生成系統中加入 SynthID 浮水印，以建立 跨平台的 AI 內容辨識標準。

3. SynthID Detector 驗證工具

Google 也提供 SynthID Detector 驗證入口。

使用者可以上傳圖片、影片或音訊，系統會掃描是否包含 SynthID 浮水印，協助媒體與研究人員確認內容來源。

為什麼 Gemini Omni 重要

Gemini Omni 代表 AI 模型發展的一個新方向。

過去生成式 AI 往往分成不同模型：

• 文字模型
• 圖片模型
• 影片模型

Google 現在的策略是建立 統一的多模態模型，讓 AI 能同時理解並生成多種媒體格式。

目前 Omni 先從影片生成開始，但長期目標是打造一個能 「任何輸入生成任何輸出」 的 AI 系統。

同時，Google 也嘗試透過 SynthID 浮水印與檢測工具，在生成式 AI 爆發的同時建立內容透明與來源驗證機制，以應對深偽（deepfake）與 AI 內容辨識問題。