Gemini Omni 外流：Google 這個影片模型可能意味著什麼

Google I/O 2026 落在 5 月 19 到 20 日，而網路上 AI 影片這一角已經先把發表會過了一遍。起因是有人在 Gemini 的影片分頁裡看到一行介面文字："Start with an idea or try a template. Powered by Omni."。從這一行出發，三波外流訊息拼出了一個尚未發表的 Google 影片模型的輪廓——暫時被叫做 Gemini Omni——它可能取代 Veo 3.1、可能跟它並存，也可能悄悄把 Google 整套生成技術升級一輪。

這篇文章是寫給 OmniArt 創作者的判讀：在星期二之前，你到底該不該為它做什麼。我們把確認過的訊號和推測分開，走過 Omni 的三種可能身分，最後給出這週就得交片的創作者該採取的務實動作。

我們實際知道什麼（以及不知道什麼）

老實的總結：一個叫 Omni 的 Google 影片產品，真實到已經有介面文案出貨了；但關於它的每一項架構宣稱，都還只是從應用程式字串和測試者回報推論出來的。

三種可能的身分

大部分的不確定性可以收攏成三種情境，各自對創作者依賴的那排 AI 影片工具有不同的意涵。

情境 1——Veo 的消費端換皮

最簡單的讀法：Omni 是 Gemini 內部取代「Veo」這個品牌的消費端門面，就像 Google 把圖片生成整併到「Nano Banana」底下那樣。Veo 仍然是底層引擎，Omni 是大多數使用者看到的表層。

如果是這樣，預期會看到：相對 Veo 3.1 的能力變化不大、消費者級距一樣是 8 到 10 秒的上限，而 Veo 繼續走企業／API 那條線。

情境 2——Gemini 原生的影片模型

第二種讀法：Omni 是專門為影片微調過的 Gemini 架構版本，與 Veo 那條線平行運作。Veo 留在 API 和企業端當專用影片模型，Omni 則是消費端模型，並受惠於 Gemini 的文字與推理能力。

如果是這樣，預期會看到：更強的提示詞貼合度、更好的畫面內字體排印（數學算式那些回報支持這一點），以及跟 Gemini 對話式編輯更緊密的整合。

情境 3——真正的全模態模型

最有野心的讀法：Omni 是一套統一的系統，用單一模型原生生成文字、圖片、影片和音訊。「Omni」這個名字本身就暗示，這是 Google 正在朝向的那個情境，即使發表當下離完整對齊還有距離。

如果是這樣，預期會看到：流程明顯往對話式編輯移動、在對話裡完成跨模態的交接，以及對業界其他人那套「一種模態一個模型」的堆疊構成長期挑戰。

I/O 上最可能的結果，是情境 2 和 3 的某種混合——一個帶著全模態企圖、但發表時仍受消費者級距限制的 Gemini 原生影片模型。

為什麼那些回報的功能重要

有三項回報的功能，值得比「模型身分」這個問題更多的關注，因為不論誰先出貨，它們都指出了 AI 影片這個類別要往哪去。

對話式編輯成為預設

"Remix your videos, edit directly in chat" 是這波外流裡真正改變流程話題的那一塊。今天大多數 AI 影片工具還停在「生成然後下載」——你下提示詞、你等、你存檔、你為了改動再下一次提示詞。以對話為基礎的編輯，把模型重新定義成一個持續在場的協作者：「把第二顆鏡頭調暖一點」、「換掉背景」、「再延長三秒」。如果 Omni 把這件事做得夠好，它會逼每一個其他模型跟上。

範本作為入口坡道

範本降低了新使用者的提示詞工程門檻——這是真實的好處。但當所有人都從同一句共用提示詞出發，它們也會把輸出的多樣性壓平。有意思的問題不是範本會不會出貨，而是它們有沒有真的贏過一句從零寫好的需求。

影片裡的文字

有報導指出數學算式能在生成影片裡乾淨地算出來，這在技術上很值得注意。畫面內字體排印一直是每個主要模型看得見的弱點。如果 Omni 能可靠地處理複雜的字體排印，那就打開了解說影片、教育和動態圖像這幾條原本需要另外合成一輪的流程。

Omni 會怎麼卡進這排陣容

對已經跨多個 AI 影片模型工作的創作者來說，相關的問題是 Omni 落在哪，而不是它贏不贏。依照回報的功能，答案的形狀大致是：

如果外流的功能組合成立，Omni 的車道就是「對話式的消費端影片」——快速社群工作和對話驅動迭代的甜蜜點。電影感、播出等級和多鏡頭那幾條車道，在有證據之前仍屬於它們現在的領先者。

這對創作者這週意味著什麼

面對一次發表前的外流，人的直覺是等。對任何未來十天內有交付物的人，我們會反對這個直覺。

務實的做法取決於你要交什麼。

如果你這週就要交影片

用已經上線且驗證過的東西。電影感鏡頭用 V6，原生 4K 的播出剪輯用 Veo 3.1，多語言社群變體用 Kling 3.0，快速迭代用 HappyHorse 1.0。在 OmniArt 裡這些都只差一次點擊，所以你不必在發表會之前押上任何單一工具。

如果你在規劃第三季的製作

把需求建立在能力上，不是品牌上。把你真正需要的東西寫下來——時長、解析度、音訊、編輯模式、角色鎖定——然後讓 I/O 之後的陣容在兩週後重新競標這份工作。如果 Omni 出貨而且表現得住，這份需求就能插進去，流程的其餘部分不用重寫。

如果你在研究和學習

看發表會。存下測試，不是意見。發表之後你能擁有最有價值的東西，是一次同基準的比較——同一份需求、同一批參考素材、同一套評分準則——跑過不管出貨的是什麼、跑過 Veo 3.1，也跑過既有的陣容。

Omni 訊號背後更大的轉變

不管 Omni 最後是什麼，這些外流訊息講的，其實是關於這個類別的故事，而不只是關於 Google。

競爭的戰場正在移動。 第一輪輸出的視覺品質在領先者之間正在收斂。真正的差異化正往可控性、多鏡頭一致性、聲畫同步、對話式編輯，以及一個模型跟真實流程貼合得有多好的方向移動——而不是哪個模型贏了某個基準測試。

成本仍然是真的。 Omni 介面裡反覆被回報的用量限制和消耗量分頁，證實了高保真影片生成在規模化之後依然吃算力。範本和短片段上限，一部分是使用體驗，一部分是經濟考量。

權利和混剪會更難處理。 在生成影片之上再做混剪，會帶出文生影片流程沒有完全浮現出來的智慧財產權、同意和商用問題。任何要把混剪產出投進付費媒體的團隊，最好在功能出貨之前就把權利檢查清單準備好。

OmniArt 後來怎麼因應這次發表

這篇文章記錄的是 2026 年 5 月 13 日當下的 I/O 前外流狀態。Google 後來發表了 Gemini Omni Flash、開放了開發者存取，而這個模型也已經加入 OmniArt 的影片工作台，支援標準的文字與圖片引導生成。

它現在跟 Veo 3.1、Sora 2、V6、Kling 3.0、Happy Horse 1.0、Seedance 2.0、Runway Gen-4.5、Hailuo 和 Grok Imagine 並排——一套提示詞語法、一份餘額、一個把它跟其他模型放在一起比較的地方。Google 那套帶狀態的對話式編輯控制項，目前沒有在 OmniArt 上開放。

想了解目前的影片陣容，可以看 OmniArt 影片模型導覽。想知道怎麼寫出能乾淨地在各模型之間搬動的需求，可以看提示詞寫作指南。

常見問題

Gemini Omni 正式發表了嗎？

發表了。這篇文章寫於發表之前；Google 隨後在 I/O 2026 上推出 Gemini Omni Flash，並於 6 月 30 日開放開發者存取。Gemini Omni Flash 現在在 OmniArt 上可用，支援標準生成。

Gemini Omni 會取代 Veo 3.1 嗎？

還不清楚。三種可能的情境是：Omni 是 Veo 在消費端的換皮、Omni 作為 Gemini 原生的消費端模型與 Veo 並存，或 Omni 是一套真正的全模態統一系統。發表當下最可能的是第二種和第三種的混合。

Gemini Omni 有哪些被回報的功能？

被回報的功能包括在 Gemini 對話裡直接編輯、一套混剪流程、提示詞範本、影片內很強的文字連貫性（數學算式能乾淨地算出來），以及 10 秒的片段上限。這些都還沒有官方確認。

這週要做影片，我該等 Omni 嗎？

不用。用今天已經上線而且穩定的模型。現有陣容已經涵蓋電影感鏡頭、原生 4K 播出、多語言社群、快速迭代、多鏡頭連戲和影格級特效，而 Gemini Omni Flash 現在也是這些可用選項之一。

Omni 跟 Veo 3.1 比起來如何？

Omni 的優勢在對話式編輯和靈活的輸入；Veo 3.1 的強項是原生音訊和 4K 輸出。兩者現在都能在 OmniArt 上做標準生成，所以你可以拿同一份需求比較它們；當測試明確需要帶狀態的對話式編輯時，就用 Google 自己的 API 介面。