万众期待实测翻车，谷歌Omni到底行不行？

谷歌新发布的 Gemini Omni 模型，这两天可谓是口碑两极分化。

 Omni的真实水平究竟如何？

Gemini Omni首发能力就是视频生成。它也被称为“全模态”模型，因为：

• 任意输入：它可以接收文字、图片、音频、视频等多种形式的指令。

• 强大输出：它能根据这些指令生成完整的视频，并支持“对话式编辑”，你可以用聊天的方式让它修改视频。

在Gemeni Omni 上线一周前，一名叫Zachary的用户，就提前收到过Gemeni Omni 的使用邀请。

为此他体验了一下，首先想到测试这款模型性能时，他借用威尔·史密斯吃意大利面的经典画面来考验这款新工具。

但是由于肖像权保护，他只能在提示词做了一些调整，生成两个男人在海边吃意面的画面。

整体还算自然，但穿帮镜头不少：比如两人从见面到落座时，桌上根本没有意面，一坐下就凭空冒出两盘开始吃；另外意面的长度也不对，还没送到嘴边就突然消失了。

接着他又生成了一个视频，演示“一位教授在传统黑板上写出三角恒等式的数学证明，并解释他当前所处的证明步骤”这样的输入。

我们看到，虽然粉笔划过黑板时文字闪现过程还存在一些明显的AI痕迹，但文字和数学公式都正常显示，呈现出相当逼真的效果。

这样的水平放到市场来看，只能说是无功无过吧，不够惊艳却也够用的程度。

然后就来到了谷歌发布会当天，很多人亲自去试了下，发现效果却是不尽如人意。

Omni目前支持最高10秒视频生成，以打斗片段来测试时，效果如下：

同样的提示词，seedance2.0的表现如下：

虽然都说不上完美，但生成效果还是能够一眼高下立判的。

然而，也有声音指出，拿 Omni 和 Seedance 放在一起比较，就像问苹果和梨哪个更好吃——完全是鸡同鸭讲。

更何况，目前 Omni 还只是 Flash 版本，用 3-5 分钟生成一段 10 秒视频的速度，跟 Seedance 2.0 的生成时长根本不在一个量级上。

这俩压根不是同一个赛道的东西，目标场景也完全不同。

Omni 就像它的名字那样，主打轻量、高效，尤其在视频到视频（Video-to-Video） 这个方向表现其实值得期待。

谷歌重点介绍的案例也更多聚焦在视频编辑层面，用户可以编辑自己拍摄的视频或 AI 生成的视频，并调整片段的特定方面。

如果用户喜欢某个镜头但想更换背景，也可以使用 Omni 来实现。Omni 可以调整视频的风格、角度、场景，甚至是片段中的特定细节。

这些都是视频剪辑过程中非常普遍的调整需求，比起一次性生成不可修改，再反复抽卡重新生成这样令人头大的操作，这种精准定位、随处微调可能更实用。

比如下面这段视频，一个用户拍了自家庭院，然后直接语音告诉Omni 让它变更季节和时间，Omni 的操作相当丝滑，而且原视频里的物品几乎保持了原样不动。

再看官方展示的一个案例。AI根据一张静态图片和一段视频，将它们天衣无缝地融合成一个崭新的视频。

抛开对视觉识别和空间逻辑的探讨，Omni 展现的是一种基于现有素材的强加工能力。

而且在前面提到的数学课堂视频案例，教授在传统的黑板上写出三角恒等式的数学证明，并讲解证明步骤。

虽然最终输出结果中仍然存在一些明显的AI痕迹，但在文本生成和动作控制方面表现也还可以。

很多人都有这样体验，以前很多AI生成的内容是经不起细看的，大多数文字在背景里乍一看没问题，但是一放大才发现根本不是文字，而是一堆说不上符号还是乱码的东西。

这意味着AI已经能够克服“图像/视频中文字乱码”这个困扰行业多年的顽固技术难点。这在广告、电影字幕、产品包装设计等专业领域，是一个实用化里程碑。

所以，当大家还在忙着生成各种打斗场面来直接对标时，其实讨论的焦点已经跑偏了，甚至可能会对这款产品形成一种低估甚至误读。

与其说 Omni 是传统意义上的生成模型，不如说它更像是视频版Nano Banana。

最开始Gemini 2.0 Flash 生成原生图像生成效果也谈不上惊艳，但所有人都能看见潜力，六个月之后，Nano Banana 横空出世了。

目前，借助 Gemini Omni Flash，用户还可以通过虚拟形象创建自己的虚拟数字人。不过，谷歌表示仍在测试这项功能，以确保其安全发布。

Gemini Omni Flash当前只面向Gemini 应用和 Google Flow 的付费订阅用户，后续将接入YouTube Shorts 和 YouTube Create 应用，提供免费使用。

 “先抑后扬”的套路？Omni Flash只是探路，Pro才是重头戏