不出所料，之前爆料的 Gemini Omni 正式发布了。

不过和当时大家预想的视频模型不同，Google 定义的 Gemini Omni 是一个能接受任意输入，生成任意输出的模型，视频只是当前的一部分。

DeepMind CEO Demis Hassabis 在发布会现场，给出了多个 Gemini Omni 的演示案例。它上传了一张自己的照片，Omni 可以快速地修改人物所处的现实环境，轻松调节不同的风格。

画一个简单的圆圈，Omni 可以生成一个黑洞，一场傍晚的漫步，Omni 会渲染不同风格的环境；任何素材通过 Omni 都可以成为构建全新现实的画布。

Gemini Omni 的核心能力在于把文字、视频、图像、交互仿真整合进同一个生成框架。

具体来说，Omni 结合了 Google 目前最先进的几款生成式媒体模型，包括图像模型 Nano Banana、视频生成模型 Veo，以及世界模型 Genie。

我们可以输入「制作一段蛋白质折叠的动画解说」，它会直接产出带有 α 螺旋、β 折叠结构演示的教学视频，而不只是文字描述。

提示词：claymation explainer of protein folding, everything is made out of clay, no hands, stop motion, accurate

有网友也立马用 Omni 和 Seedance 2.0 进行了更详细的对比，比较实际生成的质量、动态效果和一致性。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8tESuwrFZfb