原标题：万众期待实测翻车，谷歌Omni到底行不行？

作者：格文

来源：短剧自习室

题图来源 | pexels

谷歌新发布的 Gemini Omni 模型，这两天可谓是口碑两极分化。

Omni AI 系列的首款产品为 Gemini Omni Flash。“Omni”源自拉丁语 Omne（全部），在谷歌的定义中，它是第一个真正原生的多模态模型——能够从任意输入生成任意内容（create anything from any input）。

与Veo、Seedance 等文本转视频的 AI 工具不同，Gemini Omni 在输入和输出两端都支持多模态。

这意味着用户可以将文本、音频、图像和视频输入模型，而 Omni 会借助 Gemini 的“现实世界知识”，生成一个独特的交互式世界。

相信这两天关于它的测评很多人都看过了。

一周前，有用户测评后发现表现力不错，让人颇为期待；但上线后，风评却来了个 180 度大反转——尤其是在与 Seedance 2.0 对比之后，大伙儿连连摇头 say no。

但作为中国 AI 公司长期对标学习的重要对象，谷歌的产品思维一直值得关注。

在一众测评的拉踩声中，我们发现：谷歌对 Gemini Omni 的产品与功能定位，其实很难直接与 Seedance 2.0 作比较——因为它们面向的是不同的人群（至少目前来看），以及完全不同的应用场景。

而且，从 Omni 身上已经能看到关于“世界模型”的一种初步构想和雏形。更何况，目前推出的还只是 Flash 版本，未来还会上线 Pro 版。

那么，Gemini Omni Flash 的特别之处究竟在哪里？

Omni 的真实水平究竟如何？

Gemini Omni 首发能力就是视频生成。它也被称为“全模态”模型，因为：

任意输入：它可以接收文字、图片、音频、视频等多种形式的指令。

强大输出：它能根据这些指令生成完整的视频，并支持“对话式编辑”，你可以用聊天的方式让它修改视频。

在 Gemeni Omni 上线一周前，一名叫 Zachary 的用户，就提前收到过 Gemeni Omni 的使用邀请。

为此他体验了一下，首先想到测试这款模型性能时，他借用威尔·史密斯吃意大利面的经典画面来考验这款新工具。

但是由于肖像权保护，他只能在提示词做了一些调整，生成两个男人在海边吃意面的画面。

整体还算自然，但穿帮镜头不少：比如两人从见面到落座时，桌上根本没有意面，一坐下就凭空冒出两盘开始吃；另外意面的长度也不对，还没送到嘴边就突然消失了。

接着他又生成了一个视频，演示“一位教授在传统黑板上写出三角恒等式的数学证明，并解释他当前所处的证明步骤”这样的输入。

我们看到，虽然粉笔划过黑板时文字闪现过程还存在一些明显的AI痕迹，但文字和数学公式都正常显示，呈现出相当逼真的效果。

这样的水平放到市场来看，只能说是无功无过吧，不够惊艳却也够用的程度。

然后就来到了谷歌发布会当天，很多人亲自去试了下，发现效果却是不尽如人意。

Omni 目前支持最高 10 秒视频生成，以打斗片段来测试时，效果如下：

同样的提示词，seedance2.0 的表现如下：

虽然都说不上完美，但生成效果还是能够一眼高下立判的。

然而，也有声音指出，拿 Omni 和 Seedance 放在一起比较，就像问苹果和梨哪个更好吃——完全是鸡同鸭讲。

更何况，目前 Omni 还只是 Flash 版本，用 3-5 分钟生成一段 10 秒视频的速度，跟 Seedance 2.0 的生成时长根本不在一个量级上。

这俩压根不是同一个赛道的东西，目标场景也完全不同。

Omni 就像它的名字那样，主打轻量、高效，尤其在视频到视频（Video-to-Video） 这个方向表现其实值得期待。

谷歌重点介绍的案例也更多聚焦在视频编辑层面，用户可以编辑自己拍摄的视频或 AI 生成的视频，并调整片段的特定方面。

如果用户喜欢某个镜头但想更换背景，也可以使用 Omni 来实现。Omni 可以调整视频的风格、角度、场景，甚至是片段中的特定细节。

这些都是视频剪辑过程中非常普遍的调整需求，比起一次性生成不可修改，再反复抽卡重新生成这样令人头大的操作，这种精准定位、随处微调可能更实用。

比如下面这段视频，一个用户拍了自家庭院，然后直接语音告诉 Omni 让它变更季节和时间，Omni 的操作相当丝滑，而且原视频里的物品几乎保持了原样不动。

再看官方展示的一个案例。AI 根据一张静态图片和一段视频，将它们天衣无缝地融合成一个崭新的视频。

抛开对视觉识别和空间逻辑的探讨，Omni 展现的是一种基于现有素材的强加工能力。

而且在前面提到的数学课堂视频案例，教授在传统的黑板上写出三角恒等式的数学证明，并讲解证明步骤。

虽然最终输出结果中仍然存在一些明显的 AI 痕迹，但在文本生成和动作控制方面表现也还可以。

很多人都有这样体验，以前很多 AI 生成的内容是经不起细看的，大多数文字在背景里乍一看没问题，但是一放大才发现根本不是文字，而是一堆说不上符号还是乱码的东西。

这意味着 AI 已经能够克服“图像/视频中文字乱码”这个困扰行业多年的顽固技术难点。这在广告、电影字幕、产品包装设计等专业领域，是一个实用化里程碑。

所以，当大家还在忙着生成各种打斗场面来直接对标时，其实讨论的焦点已经跑偏了，甚至可能会对这款产品形成一种低估甚至误读。

与其说 Omni 是传统意义上的生成模型，不如说它更像是视频版Nano Banana。

最开始 Gemini 2.0 Flash 生成原生图像生成效果也谈不上惊艳，但所有人都能看见潜力，六个月之后，Nano Banana 横空出世了。

目前，借助 Gemini Omni Flash，用户还可以通过虚拟形象创建自己的虚拟数字人。不过，谷歌表示仍在测试这项功能，以确保其安全发布。

Gemini Omni Flash当前只面向 Gemini 应用和 Google Flow 的付费订阅用户，后续将接入YouTube Shorts 和 YouTube Create 应用，提供免费使用。

 “先抑后扬”的套路？Omni Flash 只是探路，Pro 才是重头戏 

发布会之前，很多人寄希望于谷歌会推出 Veo 4。

而且在上线新品之前，不少用户发现 Veo 3.1 出现了很多“降智”操作。

这种先抑后扬的操作，向来被认为是 AI 公司的一种营销把戏：让用户对老模型失望，从而转向订阅新模型。

目前，谷歌的 Veo 已经是业内公认唯一能勉强与 Seedance 2.0 抗衡的选项，也是许多 AI 短剧公司为数不多的选择。

Gemini Omni Flash 的表现略有差距，其实也在意料之中。

作为 Omni 家族的首款产品，这本身更像是一次探路，套路可能跟当时的Nano Banana一样，谷歌也已经明确表态，Omni Pro 很快就会登场。

Flash 目前只能渲染 10 秒的视频，这并非产品本身的能力限制，谷歌官方表示是基于两方面的考量：

一是希望让更多用户体验到这款产品；

二是预计大多数用户目前尚不需要制作更长的视频。不过，支持更长视频时长的功能正在开发中，预计不久后就会推出。

从实测来看，Omni Flash 的生成速度相当快，跑一个 10 秒的视频，一两分钟就能完成，非常适合用于推文、解说类的内容产品。

Omni Flash 更倾向于一款面向普通消费者的工具，例如，Shorts 已提供头像生成功能，谷歌希望内容创作者能充分利用这一能力。

官方给出的案例均与个人使用场景相关，比如制作自己获奖或登月的视频，或者将度假视频背景中的路人移除。“我们非常注重让消费者能够轻松使用这款产品。”

但简单易上手，也伴随一个问题：

提示词需要写得非常具体，否则 Omni 还是难以摆脱 AI 既有的毛病，比如过度编辑，或无意中更改了用户想要保留的元素。

谷歌将在未来几周内通过 API 提供 Omni 服务。

目前 Flash 刚刚上线，更多还停留在功能展示阶段，不同人的实测结果也带有或多或少的主观性，官方的演示视频也大多是理想状态下的效果。

B 端的应用，大概要等到后续 Pro 版上线、经过一轮真实测评之后，才能真正落地。

目前来看，Omni 在企业和创意领域的应用前景相对比较清晰。更广泛地说，这种端到端的多模态工作流程，很可能会对广告商和影视制作产生影响。

不过，商业化推广的前路并非一片坦途：成本问题可能是一个绕不开的障碍。

在一个聊天窗口中生成超逼真的视频，需要耗费巨大的算力。

正如前面提到那位 Zachary 用户发现，他仅仅生成了“两个男人吃面”和“数学教学课堂”这两个视频，账户里就出现了一个新的“用量”标签：两个视频，用掉了他 AI Pro 会员当天 86% 的可用额度。

这还只是个人消费者的使用场景。可以想见，如果放到 B 端，比如影视专业机构进行批量化生成，这得消耗多大的 token 量！

只能说，希望 Omni Pro 上线时能够惊艳一波吧。当然，价格最好也能亲民一些。

文章信息来自于短剧自习室，不代表白鲸出海官方立场，内容仅供网友参考学习。对于因本网站内容所引起的纠纷、损失等，白鲸出海均不承担侵权行为的连带责任。如若转载请联系原出处。

友情提醒：白鲸出海目前仅有微信群与QQ群，并无在Telegram等其他社交软件创建群，请白鲸的广大用户、合作伙伴警惕他人冒充我们，向您索要费用、骗取钱财！