Gemini Omni

Gemini Omni 是一款统一的多模态 AI 视频生成器，可通过文本、图像或对话输入，直接创作出带有原生同步音频的 4K 电影级剪辑片段。该模型基于单一架构构建，能够同时对文本、图像、音频和视频进行联合推理，无需串联多个独立的工具。它可以在单次扩散生成中，直接输出包含口型同步对白、拟音特效（Foley）、环境音以及背景音乐的专业级视频片段。此外，它还支持对话式聊天编辑，无需重新渲染整个场景即可修改特定元素，并提供多镜头分镜脚本设计以及跨剪辑的锁定角色一致性功能。