一手實(shí)測(cè)谷歌Gemini?Omni：有點(diǎn)拉，但綜合給到一個(gè)NPC

作者 | 博雯

編輯 | 張潔

泄密信息漫天飛了小半個(gè)月的Gemini Omni，終于在今天凌晨的谷歌I/O 2026大會(huì)正式亮相！

不同于傳言中的視頻生成專(zhuān)用模型，也不是跟著Veo 3命名的”Veo 4“，谷歌DeepMind CEO Hassabis親自登臺(tái)宣布：

“我們正邁出下一個(gè)重要的一步——Gemini Omni，這是一個(gè)可從任何輸入創(chuàng)建內(nèi)容的全新模型。”

也就是說(shuō)，Gemini Omni是一個(gè)真正的“全能”大模型，可以接收任意形式的輸入，生成任意內(nèi)容，視頻生成只是其中一部分。

目前Gemini Omni已同步上線所有谷歌產(chǎn)品，AI Plus、Pro和Ultra訂閱用戶(hù)均可通過(guò)Gemini或谷歌AI視頻創(chuàng)作平臺(tái)Flow使用。

“AI新榜”第一時(shí)間訂閱了級(jí)別最高的谷歌Ultra會(huì)員，對(duì)Gemini Omni進(jìn)行了一手實(shí)測(cè)。

先說(shuō)結(jié)論，有點(diǎn)拉。

實(shí)測(cè)前后一致性：

基本保持到位

通過(guò)自然語(yǔ)言微調(diào)視頻，以及在這樣的多輪編輯后，仍能保持一致性，是此次Omni重點(diǎn)強(qiáng)調(diào)的亮點(diǎn)。

在官方放出的案例中，原始視頻是一位小提琴家在室內(nèi)演奏。分別改變背后環(huán)境，切換鏡頭，甚至完全去掉演奏主體的小提琴后，演奏者的神態(tài)、動(dòng)作、光影效果，細(xì)微的演奏手型，還有音樂(lè)，都還是完美適配新環(huán)境。

不管是精細(xì)編輯的效果，還是畫(huà)面主體的一致性效果，看上去相當(dāng)驚艷。

左右滑動(dòng)查看

于是在實(shí)測(cè)中，我們也先來(lái)一次環(huán)境與氛圍上的替換。

先輸入提示詞：俯拍視角，兩輛車(chē)在一個(gè)十字路口相撞，其中是一輛藍(lán)色的跑車(chē)，氛圍驚險(xiǎn)刺激。

再進(jìn)行一次精細(xì)的編輯和微調(diào)，提示詞為：改為夕陽(yáng)西下的金色時(shí)刻，并將藍(lán)色的車(chē)改為紅色的，兩輛車(chē)相撞后噴射出彩帶和氣球，氛圍輕松夢(mèng)幻。

可以看到，車(chē)輛顏色和光線環(huán)境確實(shí)是如實(shí)改變了，視頻的整體結(jié)構(gòu)和動(dòng)態(tài)也基本保持了連貫，沒(méi)有出現(xiàn)畫(huà)面撕裂或失真。

但一個(gè)很微妙的點(diǎn)是，對(duì)于“撞車(chē)”這個(gè)瞬間動(dòng)作，Omni理解得并不好。

兩條視頻中的兩輛車(chē)都好像是在“故意”向?qū)Ψ介_(kāi)去，甚至在相撞的瞬間還刻意放緩了速度，調(diào)整了一下角度。

怎么說(shuō)呢，仿佛能看到Omni無(wú)形的大手在操控著兩輛車(chē)完成用戶(hù)的指令。

其次，我們來(lái)檢驗(yàn)Omni能否在動(dòng)態(tài)運(yùn)動(dòng)中達(dá)成一致。

標(biāo)準(zhǔn)是同一個(gè)角色在多角度切換中，其面部特征、衣服、道具乃至發(fā)型都理應(yīng)保持穩(wěn)定，不會(huì)出現(xiàn)“同一件衣服，換個(gè)角度顏色就變了”的Bug。

輸入提示詞：中景推軌鏡頭，一位穿紅色連衣裙的女舞者在老火車(chē)站跳現(xiàn)代舞，一個(gè)跳躍動(dòng)作后切換為廣角固定鏡頭，延續(xù)同一舞蹈動(dòng)作，保持紅裙和火車(chē)站背景的完全一致。

這條視頻的完成度還是比較讓人滿(mǎn)意的，舞者的動(dòng)作連貫連貫，身上那條絲質(zhì)紅色長(zhǎng)裙的物理效果真實(shí)，鏡頭從中景切到廣角固定鏡頭也比較絲滑。

Omni還自動(dòng)加上了一段背景音樂(lè)，雖然不算是非常具有藝術(shù)情緒，但也基本算是貼合舞蹈氛圍。

再進(jìn)行一次微調(diào)，輸入提示詞：去掉背景音樂(lè)，只保留環(huán)境音，比如舞蹈動(dòng)作同步的腳步聲和裙擺摩挲聲。

這一次就有點(diǎn)問(wèn)題了，視頻前半段是能聽(tīng)到輕微的裙擺飄動(dòng)和腳掌落地的聲音的，但到了后半段，之前的背景樂(lè)不知為何又響了起來(lái)。

接下來(lái)，再測(cè)試其對(duì)于復(fù)雜人物關(guān)系和位置的理解能力。

標(biāo)準(zhǔn)是，在多個(gè)外貌、服飾各異的角色產(chǎn)生互動(dòng)時(shí)，他們各自的特征并不會(huì)因?yàn)橐暯乔袚Q而錯(cuò)亂。

輸入提示詞：過(guò)肩鏡頭，四五位外貌打扮皆不相同的科學(xué)家在實(shí)驗(yàn)室討論全息投影，鏡頭慢慢旋轉(zhuǎn)，注意保持所有人物的容貌和著裝不變。

也許是為了完美貼合提示詞的“四五位外貌打扮皆不相同的科學(xué)家”，Omni也是貼心將給四位科學(xué)家男女老少，各色人種一應(yīng)俱全。在旋轉(zhuǎn)的鏡頭里，幾位人物的外貌、服飾、聲音和相對(duì)位置關(guān)系也基本保持一致。

不過(guò)很可惜的是，視頻到了后半段突然進(jìn)行了一次相當(dāng)生硬的鏡頭切換。

精細(xì)控制？還得再練

編輯和微調(diào)也是此次官方放在最前面進(jìn)行案例宣傳的亮點(diǎn)之一。

話不多說(shuō)，直接拿來(lái)最近在韓網(wǎng)爆火的AI生成棒球觀賽視頻，再丟給Omni一張二次元小姐姐圖片（來(lái)自谷歌官網(wǎng)演示），讓它用圖片替換原視頻中的人物。

最后的結(jié)果呢……只能說(shuō)是差強(qiáng)人意。

Omni替換上去的人物，只在相對(duì)位置上與原視頻保持了一致，但對(duì)于那種咬唇、眼神躲閃、發(fā)現(xiàn)被拍后抿嘴一笑的細(xì)微表情，幾乎都沒(méi)有表現(xiàn)出來(lái)。

這種在細(xì)節(jié)生成上的不如意并非個(gè)例。

我們通過(guò)提示詞，生成了一位中年男人在暗室內(nèi)對(duì)著鏡子輕聲說(shuō)：“我知道是你做的，別裝了”的視頻。

原視頻的表現(xiàn)還是不錯(cuò)的，除了男人的中文口音稍微有點(diǎn)奇怪，他的口型與每個(gè)字基本上都是精確對(duì)應(yīng)的，至于是否表現(xiàn)出了人性化的情緒，這個(gè)見(jiàn)仁見(jiàn)智。

但接下來(lái)，在我們?cè)噲D修改男人的臺(tái)詞時(shí)，Omni的電子腦不知為何就過(guò)載了。

提示詞：一位中年男人在暗室內(nèi)對(duì)著鏡子輕聲說(shuō)：“520又來(lái)了，節(jié)日快樂(lè)。”

一開(kāi)始是無(wú)法理解“修改臺(tái)詞”這樣的描述，直接把新的臺(tái)詞當(dāng)作字幕打在了視頻下方；之后又是一半說(shuō)原臺(tái)詞，一半說(shuō)新臺(tái)詞；到最后，更是直接開(kāi)始口胡了。

光影倒是明亮了一些，表情也變成了微笑，只是一個(gè)男人一臉微笑地說(shuō)“我知道是你做的，別裝了”，BGM還是剛才那股陰森色的味兒，簡(jiǎn)直比原版還要詭異好嗎！

只能說(shuō)，精細(xì)控制這塊兒，Omni還得練練。

世界知識(shí)理解：物理學(xué)、世界史成績(jī)不錯(cuò)，但還是有Bug

最后是對(duì)于世界的理解。

官方的說(shuō)法是，Omni基于Gemini旗艦大模型，對(duì)于引力、動(dòng)能和流體力學(xué)等物理規(guī)則的理解，以及對(duì)于世界歷史、科學(xué)和數(shù)學(xué)的理解都進(jìn)一步得到了提高。

話不多說(shuō)，直接上提示詞：生成一條在連鎖反應(yīng)軌道上快速滾動(dòng)的彈珠。

這個(gè)效果還是比較驚艷的，Omni自己想了一套挺復(fù)雜的連鎖軌道，期間涉及到重力、彈力、離心力等等物理規(guī)則，看上去都相當(dāng)真實(shí)。

不過(guò)在視頻后半段出現(xiàn)了個(gè)Bug，一個(gè)小球冷不丁變成了兩個(gè)。

再來(lái)一個(gè)：一個(gè)球沿著一個(gè)U形軌道內(nèi)壁來(lái)回滾動(dòng)，最后停在了軌道最低點(diǎn)。

這個(gè)效果就有點(diǎn)奇怪了。

雖然確實(shí)是小球沿著U形管來(lái)回滾動(dòng)并停在了最低點(diǎn)，但總覺(jué)得重力環(huán)境并不在地球，小球輕飄飄的，甚至好像還有點(diǎn)穿模。

最后，我又丟了一條相當(dāng)簡(jiǎn)潔有力的提示詞過(guò)去：生成一段李世民和他老哥“玄武門(mén)對(duì)掏”的視頻。

嗯……雖然背后的“玄武門(mén)”的漢字有點(diǎn)問(wèn)題，倆唐代人物的中文也似乎略帶口音，但還是理解了“玄武門(mén)對(duì)掏”這個(gè)中文梗，讓李世民李元吉哥倆進(jìn)行了一次劍拔弩張的會(huì)面。

這么看來(lái)，Omni的世界歷史倒是還修得不錯(cuò)。

實(shí)測(cè)后感受：靜待Seedance 2.1

在今天這場(chǎng)大會(huì)之前，Omni的消息就傳了很久了。

最早是在5月初，有個(gè)用戶(hù)在Gemini的視頻生成頁(yè)面發(fā)現(xiàn)了一行不起眼的小字："Powered by Omni"，頓時(shí)一石激起千層浪。

海內(nèi)外技術(shù)圈都在討論：這個(gè)Omni到底是什么？是去年的谷歌 I/O 2025上的Veo 3的下一代Veo 4，還是一個(gè)全新的多模態(tài)大模型？

這也是為什么在前期的各路消息里，一會(huì)兒是Gemini Omni, 一會(huì)又是Veo 4。

而到了5月11日，一條“教授黑板推公式”的Omni內(nèi)測(cè)視頻又在X上瘋傳，瀏覽量在短短幾天內(nèi)就超過(guò)240萬(wàn)。

視頻在短短10秒內(nèi)連續(xù)切了數(shù)次鏡頭，有教授的背影，側(cè)臉，還有粉筆寫(xiě)公式的特寫(xiě)，配合粉筆的沙沙聲，黑板上完全正確的公式，又將大家的期待值拉到了一個(gè)新的高度。

當(dāng)時(shí)的爆料是，Omni已經(jīng)完全把鏡頭語(yǔ)言和剪輯深度技能給內(nèi)化了，多視角鏡頭切換、自帶原生BGM，“直接就能出一條成片”。

但到了今天，Gemini Omni真的千呼萬(wàn)喚始出來(lái)，效果卻是褒貶不一。

看來(lái)還是要期待一下Seedance 2.1了，雖然什么時(shí)候出還是個(gè)大大的問(wèn)號(hào)。

歡迎分享、點(diǎn)贊、推薦

一起研究AI