模型

Gemini Omni

Gemini Omni是Google开发的多模态大型AI模型，属于Gemini模型系列。该模型能够同时处理和理解文本、图像、音频、视频等多种模态的输入信息，并生成相应的多模态内容输出。其核心特征包括跨模态理解与推理能力、对现实世界物理规律的建模能力，以及在复杂多模态任务中的综合处理能力，适用于多种生成式AI应用场景。

时间轴 (近 90 天)

10月14日

在作者的测试中，Omni 的两次尝试分别耗时约 42 秒和 36 秒。

已过期50%

10月14日

在作者的测试中，Omni 预检估算成本分别约为 1.03 美元和 0.83 美元。

已过期50%

10月14日

在 Omni 测试中，音频是随视频一起生成的。

待验证50%

9月9日

在骑士与武士对决测试中,Sora在角色动作真实度上优于Gemini Omni

已过期50%

全部知识事实 (5)

待验证

Gemini Omni演示由产品经理Chloe通过Discord平台进行直播

95%待验证

Gemini Omni的'Omni'架构核心理念与OpenAI的GPT-4o高度相似，都追求在单一模型中原生支持多模态输入输出

80%待验证

Gemini Omni以视频作为条件输入而非仅依赖文本，理论上能将原视频中的运动动力学作为强约束，减少物理漂移

70%待验证

Gemini Omni通过海量真实世界物理视频与仿真数据的混合训练，在隐空间中形成对重力、摩擦、弹性等概念的内隐表征

60%待验证

在 Omni 测试中，音频是随视频一起生成的。

50%

来源文章

Gemini Omni实测：谷歌全模态视频生成能力深度解析7月12日 Gemini Omni直播演示预告：多模态对话式视频创作详解6月3日 Gemini数字分身：用AI创建你的虚拟化身做视频6月2日 Google I/O 2026深度解读：从超级App到生态内核之争6月1日 Gemini Omni：理解物理规律的AI视频生成有多强？5月31日 Gemini Omni视频风格转换：自然语言一键改变视频视觉风格5月27日 Gemini Omni视频编辑：对话即剪辑的AI新时代5月24日 Gemini Omni正式发布：一周内社区涌现大量惊艳多模态应用5月24日