谷歌DeepMind推出Gemini Omni：用于视频创建和编辑的多模态模型

谷歌DeepMind宣布推出Gemini Omni，这是一款多模态模型，结合了Gemini的推理与创意能力，能够从任何输入模态（包括图像、音频、视频和文本）生成和编辑视频。该模型支持自然语言视频编辑，在编辑过程中保持角色一致性和物理规则，并能根据Gemini对物理、历史、科学和文化的真实世界知识生成视频。它提供通过对话编辑、场景转换、添加对象以及多轮优化等功能。首个模型Gemini Omni Flash正面向全球的Google AI Plus、Pro和Ultra订阅用户，通过Gemini应用和Google Flow推出，同时也可免费提供给YouTube Shorts和YouTube Create App用户。所有生成的视频均包含SynthID数字水印，以确保透明度。开发者和企业API访问计划在未来几周内推出。