一手實測谷歌Gemini?Omni：有點拉，但綜合給到一個NPC

作者 | 博雯

編輯 | 張潔

泄密信息漫天飛了小半個月的Gemini Omni，終于在今天凌晨的谷歌I/O 2026大會正式亮相！

不同于傳言中的視頻生成專用模型，也不是跟著Veo 3命名的”Veo 4“，谷歌DeepMind CEO Hassabis親自登臺宣布：

“我們正邁出下一個重要的一步——Gemini Omni，這是一個可從任何輸入創建內容的全新模型。”

也就是說，Gemini Omni是一個真正的“全能”大模型，可以接收任意形式的輸入，生成任意內容，視頻生成只是其中一部分。

目前Gemini Omni已同步上線所有谷歌產品，AI Plus、Pro和Ultra訂閱用戶均可通過Gemini或谷歌AI視頻創作平臺Flow使用。

“AI新榜”第一時間訂閱了級別最高的谷歌Ultra會員，對Gemini Omni進行了一手實測。

先說結論，有點拉。

實測前后一致性：

基本保持到位

通過自然語言微調視頻，以及在這樣的多輪編輯后，仍能保持一致性，是此次Omni重點強調的亮點。

在官方放出的案例中，原始視頻是一位小提琴家在室內演奏。分別改變背后環境，切換鏡頭，甚至完全去掉演奏主體的小提琴后，演奏者的神態、動作、光影效果，細微的演奏手型，還有音樂，都還是完美適配新環境。

不管是精細編輯的效果，還是畫面主體的一致性效果，看上去相當驚艷。

左右滑動查看

于是在實測中，我們也先來一次環境與氛圍上的替換。

先輸入提示詞：俯拍視角，兩輛車在一個十字路口相撞，其中是一輛藍色的跑車，氛圍驚險刺激。

再進行一次精細的編輯和微調，提示詞為：改為夕陽西下的金色時刻，并將藍色的車改為紅色的，兩輛車相撞后噴射出彩帶和氣球，氛圍輕松夢幻。

可以看到，車輛顏色和光線環境確實是如實改變了，視頻的整體結構和動態也基本保持了連貫，沒有出現畫面撕裂或失真。

但一個很微妙的點是，對于“撞車”這個瞬間動作，Omni理解得并不好。

兩條視頻中的兩輛車都好像是在“故意”向對方開去，甚至在相撞的瞬間還刻意放緩了速度，調整了一下角度。

怎么說呢，仿佛能看到Omni無形的大手在操控著兩輛車完成用戶的指令。

其次，我們來檢驗Omni能否在動態運動中達成一致。

標準是同一個角色在多角度切換中，其面部特征、衣服、道具乃至發型都理應保持穩定，不會出現“同一件衣服，換個角度顏色就變了”的Bug。

輸入提示詞：中景推軌鏡頭，一位穿紅色連衣裙的女舞者在老火車站跳現代舞，一個跳躍動作后切換為廣角固定鏡頭，延續同一舞蹈動作，保持紅裙和火車站背景的完全一致。

這條視頻的完成度還是比較讓人滿意的，舞者的動作連貫連貫，身上那條絲質紅色長裙的物理效果真實，鏡頭從中景切到廣角固定鏡頭也比較絲滑。

Omni還自動加上了一段背景音樂，雖然不算是非常具有藝術情緒，但也基本算是貼合舞蹈氛圍。

再進行一次微調，輸入提示詞：去掉背景音樂，只保留環境音，比如舞蹈動作同步的腳步聲和裙擺摩挲聲。

這一次就有點問題了，視頻前半段是能聽到輕微的裙擺飄動和腳掌落地的聲音的，但到了后半段，之前的背景樂不知為何又響了起來。

接下來，再測試其對于復雜人物關系和位置的理解能力。

標準是，在多個外貌、服飾各異的角色產生互動時，他們各自的特征并不會因為視角切換而錯亂。

輸入提示詞：過肩鏡頭，四五位外貌打扮皆不相同的科學家在實驗室討論全息投影，鏡頭慢慢旋轉，注意保持所有人物的容貌和著裝不變。

也許是為了完美貼合提示詞的“四五位外貌打扮皆不相同的科學家”，Omni也是貼心將給四位科學家男女老少，各色人種一應俱全。在旋轉的鏡頭里，幾位人物的外貌、服飾、聲音和相對位置關系也基本保持一致。

不過很可惜的是，視頻到了后半段突然進行了一次相當生硬的鏡頭切換。

精細控制？還得再練

編輯和微調也是此次官方放在最前面進行案例宣傳的亮點之一。

話不多說，直接拿來最近在韓網爆火的AI生成棒球觀賽視頻，再丟給Omni一張二次元小姐姐圖片（來自谷歌官網演示），讓它用圖片替換原視頻中的人物。

最后的結果呢……只能說是差強人意。

Omni替換上去的人物，只在相對位置上與原視頻保持了一致，但對于那種咬唇、眼神躲閃、發現被拍后抿嘴一笑的細微表情，幾乎都沒有表現出來。

這種在細節生成上的不如意并非個例。

我們通過提示詞，生成了一位中年男人在暗室內對著鏡子輕聲說：“我知道是你做的，別裝了”的視頻。

原視頻的表現還是不錯的，除了男人的中文口音稍微有點奇怪，他的口型與每個字基本上都是精確對應的，至于是否表現出了人性化的情緒，這個見仁見智。

但接下來，在我們試圖修改男人的臺詞時，Omni的電子腦不知為何就過載了。

提示詞：一位中年男人在暗室內對著鏡子輕聲說：“520又來了，節日快樂?！?/p>

一開始是無法理解“修改臺詞”這樣的描述，直接把新的臺詞當作字幕打在了視頻下方；之后又是一半說原臺詞，一半說新臺詞；到最后，更是直接開始口胡了。

光影倒是明亮了一些，表情也變成了微笑，只是一個男人一臉微笑地說“我知道是你做的，別裝了”，BGM還是剛才那股陰森色的味兒，簡直比原版還要詭異好嗎！

只能說，精細控制這塊兒，Omni還得練練。

世界知識理解：物理學、世界史成績不錯，但還是有Bug

最后是對于世界的理解。

官方的說法是，Omni基于Gemini旗艦大模型，對于引力、動能和流體力學等物理規則的理解，以及對于世界歷史、科學和數學的理解都進一步得到了提高。

話不多說，直接上提示詞：生成一條在連鎖反應軌道上快速滾動的彈珠。

這個效果還是比較驚艷的，Omni自己想了一套挺復雜的連鎖軌道，期間涉及到重力、彈力、離心力等等物理規則，看上去都相當真實。

不過在視頻后半段出現了個Bug，一個小球冷不丁變成了兩個。

再來一個：一個球沿著一個U形軌道內壁來回滾動，最后停在了軌道最低點。

這個效果就有點奇怪了。

雖然確實是小球沿著U形管來回滾動并停在了最低點，但總覺得重力環境并不在地球，小球輕飄飄的，甚至好像還有點穿模。

最后，我又丟了一條相當簡潔有力的提示詞過去：生成一段李世民和他老哥“玄武門對掏”的視頻。

嗯……雖然背后的“玄武門”的漢字有點問題，倆唐代人物的中文也似乎略帶口音，但還是理解了“玄武門對掏”這個中文梗，讓李世民李元吉哥倆進行了一次劍拔弩張的會面。

這么看來，Omni的世界歷史倒是還修得不錯。

實測后感受：靜待Seedance 2.1

在今天這場大會之前，Omni的消息就傳了很久了。

最早是在5月初，有個用戶在Gemini的視頻生成頁面發現了一行不起眼的小字："Powered by Omni"，頓時一石激起千層浪。

海內外技術圈都在討論：這個Omni到底是什么？是去年的谷歌 I/O 2025上的Veo 3的下一代Veo 4，還是一個全新的多模態大模型？

這也是為什么在前期的各路消息里，一會兒是Gemini Omni, 一會又是Veo 4。

而到了5月11日，一條“教授黑板推公式”的Omni內測視頻又在X上瘋傳，瀏覽量在短短幾天內就超過240萬。

視頻在短短10秒內連續切了數次鏡頭，有教授的背影，側臉，還有粉筆寫公式的特寫，配合粉筆的沙沙聲，黑板上完全正確的公式，又將大家的期待值拉到了一個新的高度。

當時的爆料是，Omni已經完全把鏡頭語言和剪輯深度技能給內化了，多視角鏡頭切換、自帶原生BGM，“直接就能出一條成片”。

但到了今天，Gemini Omni真的千呼萬喚始出來，效果卻是褒貶不一。

看來還是要期待一下Seedance 2.1了，雖然什么時候出還是個大大的問號。

歡迎分享、點贊、推薦

一起研究AI