Gemini Omni Flash 简介

Gemini Omni Flash 是一款在线 AI 视频生成器，将 Gemini 的多模态理解与直接视频创作和对话式编辑相结合。用户可以仅凭文本提示开始创作，也可以通过图像转视频输入确定身份，或使用音频和视频参考对已有素材进行精细化处理。工作区支持现实推理、具备物理感知的场景规划以及多轮编辑，能够精准控制运动、镜头方向、节奏以及元素保留。内置的提示库展示了常见工作流，例如产品发布、社交短片和电影级演示；同时开放的 API 让开发者能够在营销、广告变体或创意评审工具中集成自动化视频流水线。免费额度帮助快速原型开发，付费额度则解锁更高分辨率输出和更长时长，满足商业制作需求。Gemini Omni Flash 因此为创作者提供了灵活、知识驱动的可扩展 AI 视频生成与编辑解决方案。

Gemini Omni Flash 在浏览器工作区中处理多模态输入——文本提示、图像、音频片段和参考视频——以生成或编辑 AI 驱动的视频草稿。系统首先解析用户的简要需求，利用 Gemini 的多模态推理推断场景逻辑、物理行为和上下文一致性。随后合成视频草稿，根据提供的素材渲染运动、光照和镜头路径。用户可以通过对话式编辑指令，让模型调整节奏、相机移动或保留特定元素，同时在多次迭代中保持整体连贯。该工作流支持文本生成视频和基于参考的视频创作，能够实现快速原型制作和多轮编辑。

Gemini Omni Flash 是首款基于 Gemini 的模型，兼具多模态理解、视频生成和对话式编辑功能。用户可以通过文本、图像、音频或参考视频来制定简要需求，然后生成遵循场景逻辑、物理推理和角色一致性的草稿。工作区支持自然语言的修订，能够在不重新开始的情况下调整节奏、摄像机运动或保持身份特征。在线生成器以及即将推出的 API 让创作者能够自动化生成产品演示、社交短片或电影素材，同时保持对视觉风格和叙事节奏的控制。免费额度可用于快速原型制作，随后可通过付费视频额度进行规模化生产。

优势

• 多模态输入（文本、图像、音频、视频）。
• 通过自然语言进行对话式编辑。
• 具备真实世界推理和物理感知的生成能力。
• API 已上线，支持开发者集成。
• 首批草稿可免费获得额度。

劣势

• 完整功能需要付费额度。
• API 仍处于有限推 rollout 阶段。
• 未公开详细定价。
• 需要明确的提示词才能得到一致的结果。
• 输出分辨率选项信息有限。