Gemini Omni 泄露：Google 视频模型意味着什么

Google I/O 2026 将在 5 月 19 日至 20 日召开，AI 视频圈的互联网已经把主题演讲提前过了一遍。原因是 Gemini 视频标签页里被人扒到了一行 UI 文案："Start with an idea or try a template. Powered by Omni."（从一个想法开始，或试试模板。由 Omni 驱动。）就靠这一行，三波泄露搭出了一个尚未官宣的 Google 视频模型的雏形 —— 暂被称作 Gemini Omni —— 它要么会取代 Veo 3.1，要么会和它并行，要么悄悄升级 Google 整套生成式栈。

这篇是给 OmniArt 创作者准备的判断稿，帮你决定在周二之前要不要 —— 或者要 —— 做点什么。我们会把已确认信号和猜测分开，过一遍 Omni 的三种可能身份，并给出本周还要交付视频的创作者真正能用上的建议。

现在到底知道什么、不知道什么#

实事求是地说：一款叫 Omni 的 Google 视频产品已经实在到足以印 UI 文案，但围绕它的每一项架构主张，仍是基于应用字符串和测试者反馈的推断。

三种可能身份#

大多数不确定性都可以收敛到三种情景。每一种对创作者依赖的 AI 视频工具阵容都有不同含义。

情景 1 —— Veo 的消费端品牌重塑#

最简单的读法：Omni 是 Gemini 内部"Veo"的消费端门面，类似 Google 把图像生成统一收进 "Nano Banana"。Veo 仍是底层引擎；Omni 是大多数用户看到的那一层。

如果属实，预期是：相对 Veo 3.1 能力变化有限、消费端仍维持 8–10 秒上限、Veo 继续在企业/API 通道上演化。

情景 2 —— Gemini 原生视频模型#

第二种读法：Omni 是基于 Gemini 架构、专门为视频微调的版本，与 Veo 通道并行。Veo 留给 API 与企业；Omni 是消费端模型，借助 Gemini 的文本与推理能力。

如果属实，预期是：更强的提示词贴合、更好的视频内排版（数学公式相关的报道支持这一点），以及与 Gemini 聊天式编辑更紧密的集成。

情景 3 —— 真正的 omni 多模态模型#

最有野心的读法：Omni 是一个统一系统，原生从同一个模型生成文本、图像、视频和音频。"Omni"这个名字本身就在暗示 Google 正在朝这个方向定位，即便首发版本未必到位。

如果属实，预期是：工作流明显向对话式编辑倾斜，聊天里就完成多模态切换，并在更长周期上挑战其余各家"一种模态一个模型"的栈结构。

I/O 上最可能的落点是情景 2 与 3 的混合 —— 一个带有 omni 多模态野心、但首发就有消费端限制的 Gemini 原生视频模型。

为什么报告中的几项功能更值得关注#

报告中有三项功能比"Omni 究竟是谁"更值得讨论，因为不管谁先发，它们都标出了 AI 视频品类的走向。

对话式编辑成为默认#

"在聊天里 remix 你的视频，直接编辑"是泄露里最能改写工作流叙事的一句。今天大多数 AI 视频工具仍是"生成-下载"——提示、等待、保存、再提示。聊天式编辑把模型重新框定为持续协作者："让第二个镜头暖一点"、"换掉背景"、"再延长三秒"。如果 Omni 把这套做到位，会逼着每个其他模型跟上。

模板作为入门坡#

模板降低了新用户的提示词工程门槛 —— 这是真实收益。但当人人都从同一份共享提示词起步，输出多样性也会被拉平。值得追问的不是模板会不会上，而是它能不能明显跑赢一份从头写好的 brief。

视频里的文字#

报道里提到的数学公式在生成视频中清晰渲染，在技术上很值得注意。视频内排版长期是各家头部模型可见的弱点。如果 Omni 能稳定处理复杂排版，那解释类视频、教育和动态图形的工作流就被打开了，而它们以前要靠合成补救。

Omni 会怎么嵌入阵容#

对已经在多个 AI 视频模型上跨着用的创作者，相关问题不是"Omni 赢没赢"，而是"它落到阵容里的哪一格"。基于报告中的功能集，答案的轮廓大致是这样：

如果泄露的功能集成立，Omni 的车道是"对话式消费级视频" —— 在快速社媒和聊天式迭代上是个甜点。电影感、广播和多镜头的车道，在拿到证据前仍归现有的几位领跑者。

这一周创作者该做什么#

预发布泄露最容易把人钓住"先等等再说"。对未来十天有交付的人，我们会反过来推一下。

具体怎么做，看你要交付什么。

本周就要交视频#

用已上线、已经验证过的。V6 出电影感镜头，Veo 3.1 出原生 4K 的广播切片，Kling 3.0 出多语言社媒切片，HappyHorse 1.0 做快速迭代。这些在 OmniArt 里都只隔一次点击，没必要在主题演讲之前押注任何单一工具。

在规划 Q3 产能#

围绕能力来写 brief，而不是围绕品牌。把你真正需要的列下来 —— 时长、分辨率、音频、编辑模型、角色锁 —— 让两周后 I/O 后的阵容重新来竞标这份活儿。如果 Omni 上线并交付到位，它接进 brief 不用重写其它管线。

在做调研和学习#

主题演讲该看，但要存的是测试结果，不是观点。发布之后最值钱的东西，是一份同样 brief、同样参考素材、同样评分表跑出来的对照 —— 同时跑 Omni（如果发布）、Veo 3.1 以及现有阵容。

Omni 真正在标出的更大转向#

不管 Omni 最终是什么，泄露把品类讲清楚的程度，比把 Google 自己讲清楚的程度更高。

竞争面在移动。 头部模型的首条出图质量正在收敛。真正的差异化正在向可控性、多镜头一致性、音画同步、对话式编辑以及"模型有多贴合真实工作流"转移 —— 而不是哪个模型在某个 benchmark 上赢。

成本仍然是真实的。 Omni UI 里反复出现的用量限制和消耗面板，都印证了高保真视频生成在量产层面依然算力昂贵。模板和短片段上限，一半是 UX，一半是经济账。

版权与 remix 变得更难。 在生成视频之上加 remix 工作流，会暴露文生视频流程没那么充分展开的 IP、肖像权与商用问题。任何要把 remix 输出投放进付费媒体的团队，应该在功能上线之前就把版权清单准备好。

OmniArt 是怎么应对这次发布的#

这篇文章记录的是 2026 年 5 月 13 日、I/O 之前的泄露状态。Google 后来发布了 Gemini Omni Flash，开放了开发者访问，这个模型此后也进入了 OmniArt 的视频工作台，支持标准的文本与图像引导生成。

它现在和 Veo 3.1、Sora 2、V6、Kling 3.0、Happy Horse 1.0、Seedance 2.0、Runway Gen-4.5、Hailuo、Grok Imagine 并列 —— 一套提示词语法、一个余额、一个把它和其它模型直接对比的地方。Google 的有状态对话式编辑控件目前没有在 OmniArt 里开放。

关于当前视频阵容的背景，请看 OmniArt 视频模型导览。关于如何写出能在任意模型上跑得稳的 brief，请看 提示词写作指南。

常见问题#

Gemini Omni 已经官宣了吗？+−

官宣了。本文写于官宣之前；Google 随后在 I/O 2026 上发布了 Gemini Omni Flash，并在 6 月 30 日开放开发者访问。Gemini Omni Flash 现已在 OmniArt 上可用，支持标准生成。

Gemini Omni 会取代 Veo 3.1 吗？+−

不清楚。三种可能：Omni 是 Veo 在消费端的品牌重塑；Omni 作为 Gemini 原生消费模型与 Veo 并行；或者 Omni 是真正的 omni 多模态统一系统。首发最可能是第二与第三种的混合。

Gemini Omni 报告中包含哪些功能？+−

报告中的功能包括 Gemini 聊天内的对话式编辑、remix 工作流、提示词模板、视频内文字一致性强（数学公式渲染清晰），以及单条 10 秒上限。这些都尚未官方确认。

我要不要等 Omni 之后再做本周的视频？+−

不用。用今天已经上线、稳定的模型。阵容已经覆盖了电影感画面、原生 4K 广播、多语言社媒、快速迭代、多镜头一致性以及帧级 VFX，而 Gemini Omni Flash 现在也是其中一个可用选项。

Omni 和 Veo 3.1 怎么比？+−

Omni 的优势在对话式编辑和灵活的输入；Veo 3.1 的强项是原生音频与 4K 输出。两者现在都能在 OmniArt 里做标准生成，你可以用同一份 brief 直接对比；如果测试确实需要有状态的对话式编辑，就用 Google 自己的 API 接口。