谷歌全新Omni AI视频工具：用数字分身克隆自己

谷歌近日发布了一项全新的AI视频生成能力，这项技术既有望帮助创作者更轻松地制作高质量视频，也可能让YouTube上充斥更多AI生成的低质内容——很可能两者兼而有之。

谷歌正式宣布推出Gemini Omni，将AI视频创作能力提升至全新高度。谷歌将此次发布的意义，类比于此前推出Nano Banana时在AI图像生成领域带来的重大突破。Nano Banana大幅拓展了图像生成的可能性边界，而Omni则立志在视频领域实现同等级别的飞跃。Omni已于发布当日起开始逐步推出。

谷歌将Omni定位为"Gemini推理能力与创作能力的结合体"。据谷歌介绍，"使用Omni，你可以将图像、音频、视频和文本作为输入内容，生成基于Gemini真实世界知识的高质量视频。"虽然Omni目前"以视频为起点"，但谷歌表示该模型能够"从任意输入生成任意内容"，因此未来有望支持更多媒体类型的生成。

Omni还将提供分级版本，目前首先推出Gemini Omni Flash。该功能将陆续登陆Gemini应用、Google Flow以及YouTube Shorts。目前尚不清楚网页版Gemini是否支持Omni，或是否需要通过浏览器使用Flow界面才能访问。

数字分身功能：机遇还是隐患？

这项功能令人难以定论——它究竟是一个出色的创新功能、一大隐私隐患，还是一台"低质内容生成机器"？谷歌表示，用户可以"通过Avatars（数字化身）功能，创建自己的数字版本，从而生成看起来和听起来都像你本人的视频"。

作为一名YouTube频道的视频创作者，笔者对此颇感兴趣。有时想发布视频，却偏偏状态不佳——头发乱、声音哑，甚至情绪低落，不想让这些负面状态出现在镜头前。如果能将脚本输入数字分身，让"数字替身"代为出镜，效果究竟如何？观众会注意到吗？他们会在意吗？这显然是值得探索的方向，但可能不会成为常态，毕竟做视频本身也是锻炼表达和演讲能力的过程，将这项工作交给数字替身虽然省力，却也意味着减少了自我训练的机会。

谷歌特别强调，Omni生成的视频将嵌入SynthID数字水印技术，以便验证视频是否由Omni生成。谷歌还表示："在通过编辑视频来改变音频和语音方面，我们仍在测试中，并致力于以负责任的方式将这一功能带给用户。"

物理引擎加持，视频生成更真实

还记得早期电子游戏中角色动作僵硬、毫无真实感的时代吗？随着游戏技术进步，物理引擎的引入让角色行为更符合现实规律。Omni如今也将物理模拟融入视频生成之中。据谷歌介绍，Omni具备"对重力、动能和流体动力学等力学的直觉理解能力"，并借助Gemini的知识"以远超简单模式匹配的方式关联语言、图像与语义"。

谷歌表示，Omni可以从简短的提示词出发生成详尽的视频，还能制作解说类视频，用于拆解相对复杂的概念。这一点颇具说服力——NotebookLM的音频概览和视频概览功能已经展现出令人惊叹的内容解说能力。若这些技术融入Omni，结果将令人期待。

笔者曾将营销文档和产品规格表导入NotebookLM，它在短短30分钟内生成了多个产品功能的解说视频，质量远超手动制作水平，极大提升了产品发布效率，尽管当时的视觉效果还不够理想。

多模态输入，风格自由定制

Nano Banana早期的一大亮点是对图像的重新情境化能力。例如，笔者曾用它将自己在公园散步的照片改造成身着近似海军上将制服、站在航母舰桥上的场景，尽管细节上有些偏差，但面部和体型均得到了较为准确的还原。

Omni计划将这种能力延伸至视频领域，将图像、文本、视频或音频转化为"连贯的输出内容"。目前仅支持语音录音作为音频输入，但谷歌表示将"尽快推出其他类型的音频输入支持"。此外，用户可以创建场景、匹配风格、用自然语言描述需求，并在整段视频中保持角色外观的一致性。

自然语言驱动视频剪辑

视频制作中最令人头疼的环节莫过于后期剪辑，往往耗时费力。Omni为此提供了一种更便捷的解决方案——"通过自然语言编辑视频，每一条指令都在上一条的基础上延续，角色保持一致，物理效果正常运作，场景也会记住之前发生的事情"。

谷歌还表示，用户可以对视频中的元素进行修改。如果能导入一段视频并让编辑器自动移除遮挡物、替换物体或更改背景，这将带来巨大的实用价值。目前尚不清楚支持的视频时长上限，以及不同套餐下Omni的编辑能力边界，但这些可能性已经令人振奋。

此外，谷歌还表示新版Omni能够实现两项额外转换能力，不过谷歌目前尚未明确视频格式或分辨率规格——这究竟会是支持4K乃至8K分辨率的专业工具，还是主要面向YouTube Shorts创作者的轻量级应用，仍有待观察。

能否成为专业创作者的利器？

当OpenAI推出Sora时，它更多是一种新奇体验，始终未能真正融入专业创作者的工作流程。Omni的数字分身克隆和对象替换功能固然有趣，但笔者更希望这些能力能够与Final Cut、Premiere Pro、DaVinci Resolve等专业视频软件实现集成，或至少能让这些工具调用Omni生成的编辑结果。

这并非没有可能——Omni的功能已开始通过谷歌API向企业客户和开发者推出。

另一个值得关注的问题是，Omni生成的视频是否会像Nano Banana生成的图像那样，在角落嵌入小菱形水印？水印有助于标识AI生成内容，但也会妨碍其作为专业工具的使用。未来是否会推出可移除水印的付费套餐？是否会出现绕过水印的第三方工具？这些问题的答案，时间会给出答案。

Q&A

Q1：Gemini Omni是什么？它和普通AI视频生成工具有什么不同？

A：Gemini Omni是谷歌推出的新一代AI视频生成模型，核心特点是将Gemini的推理能力与视频创作能力相结合。它支持图像、音频、视频和文本多模态输入，内置物理引擎模拟真实世界的重力、动能和流体效果，并支持用自然语言进行视频编辑。相比早期AI视频工具，Omni更注重内容的连贯性、角色一致性和语义理解，定位更接近专业创作辅助工具。

Q2：Gemini Omni的数字分身（Avatar）功能是怎么运作的？有没有安全保障？

A：Avatars功能允许用户创建自己的数字化身，生成看起来和听起来都像本人的视频，无需本人出镜录制。谷歌为此嵌入了SynthID数字水印技术，使生成的视频可被验证为AI生成内容。不过谷歌也坦承，涉及修改音频和语音的编辑功能仍在测试中，目前以负责任的方式谨慎推进，尚未完全开放。

Q3：Gemini Omni现在可以在哪里使用？是否对普通用户开放？

A：Gemini Omni目前已开始逐步推出，首先以Gemini Omni Flash版本上线，将陆续登陆Gemini应用、Google Flow和YouTube Shorts平台。同时，企业客户和开发者可通过谷歌API提前获取相关能力。目前尚不清楚网页版Gemini是否直接支持，普通用户的完整体验可能需要等待后续更新。