谷歌旗下DeepMind团队近日正式推出视频生成AI模型“Gemini Omni Flash”，目前已面向开发者开放，可通过Google AI Studio和Gemini API获取，当前处于公开预览阶段。

Omni Flash支持文本、图像和视频的混合输入，其最大特色在于能够以自然语言对话方式进行视频编辑。用户通过组合多种输入模态，可在保持场景连贯性的前提下灵活调整画面内容。

该模型还深度融合了Gemini本身所具备的广泛知识储备——无论是历史事件还是生物学概念，都能被精准融入视频生成过程，使输出内容更具信息深度。此外，模型还能依据提示词，将文字或图形元素与视频内的动态动作同步联动。

定价方面，Omni Flash按照生成时长计费，每秒钟视频收费0.10美元，与Veo 3.1 Fast处于同一水平。当前版本支持最长10秒的视频生成，未来计划拓展至更长时间的创作。

需要留意的是，该预览版暂不支持上传音频参考素材，也无法对已生成的场景进行延长。虽然API规范允许上传最长3秒的参考视频，但目前该功能尚无法正确运行。同时，在涉及镜头切换或平移运动的复杂场景中，角色的形象一致性仍有待改善。

同一天，谷歌还发布了图像生成模型“Nano Banana 2 Lite”，该模型可在4秒内完成从文本到图像的生成。开发者通过Interactions API能够将两款模型串联使用——先由Nano Banana 2 Lite生成图像，再将其输入Omni Flash转化为动态视频，并且可在保留会话历史的前提下，最多进行三次连续编辑。

为提升内容可追溯性，Omni Flash生成的每段视频均嵌入SynthID数字水印。用户通过Gemini应用、Chrome浏览器中的Gemini功能或谷歌搜索，均可便捷查验内容是否由AI生成。（新闻来源：moguravr、VRAR星球编译）

商务合作：13146398132

媒体合作：13341147250

爆料投稿：editor@vrarworld.cn

版权声明：本文为VRAR星球原创，任何单位及个人未经授权不得转载，否则将依法追究侵权责任。

如需转载请联系13341147250 / editor@vrarworld.cn 申请授权，转载时请注明来源并保留VRAR星球原文链接。

本文部分图片及视频来源于互联网，如涉及侵权请联系我们删除。