已验证80% 置信事实时间未知

Gemini系列从设计之初就是多模态原生的，将文本、图像、音频、视频等不同模态的数据统一编码到同一个特征空间中

9

来源数

80%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Gemini Omni视频风格转换：自然语言一键改变视频视觉风格

twitterGeminiApp

涉及实体

Geminimodel Google DeepMindcompany

相关事实

待验证Gemini 2.5 Pro采用原生多模态架构，从训练阶段就融合文本、图像、音频和视频78% 相似待验证Gemini的图像生成能力基于原生多模态架构，模型在训练阶段同时学习了文本和图像的表征77% 相似待验证Gemini从预训练阶段就将文本、图像、音频、视频数据混合输入，实现原生多模态训练77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/3953

API

curl https://kongchang.com/api/v1/knowledge/claims/3953

MCP

get_claim(id=3953)