Google DeepMind 推出 Gemini Omni：用于视频创作与编辑的多模态模型

Google DeepMind 发布了 Gemini Omni——一款融合推理与创造能力的新型多模态模型。该模型可接收图像、音频、视频和文本输入，并基于 Gemini 对现实世界的知识生成高质量视频。首个版本 Gemini Omni Flash 已在 Gemini 应用、Google Flow 和 YouTube Shorts 中上线（对 YouTube Shorts 和 YouTube Create App 用户免费）。Google AI Plus、Pro 和 Ultra 订阅用户也可全球使用。未来几周内，该模型将通过 API 向开发者和企业客户开放。主要特性包括：通过自然语言对话编辑视频（角色、物理规则和场景保持一致性）；生成具有增强物理效果（重力、动能、流体动力学）的视频；利用 Gemini 在历史、科学和文化背景方面的知识实现逼真叙事；支持任意组合的输入数据（图像、文本、视频、音频；音频当前仅限语音参考）。安全方面，引入了不可见的数字水印 SynthID，以及通过 Gemini 应用、Chrome 和 Google 搜索进行内容审核的工具。未来，该模型还将支持生成图像和音频。