今日新增： GPT Image 2、Gemini Omni 和 happyhorse1.0 已上线
由 Google DeepMind 提供支持

Gemini Omni — 用理解真实世界的 AI 创作和编辑视频

Gemini Omni 将直观的物理理解、多模态推理和对话式编辑整合到一个模型中。上传照片、描述场景或放入参考片段——看着它变成一段运动、声音和画面都逼真的视频。

由 Google DeepMind 提供支持
文本 + 图片 + 音频 + 视频输入
免费额度 — 无需信用卡

输入视频

4积分
由 Google DeepMind 提供支持

What Is Gemini Omni?

Gemini Omni is Google DeepMind's new multimodal AI model that creates and edits videos from any combination of inputs — text prompts, images, audio clips, and reference videos. It's where Gemini's reasoning ability meets generative media, producing videos grounded in real-world physics, history, and cultural context.

Unlike traditional AI video generators that just turn a text prompt into a clip and call it done, Gemini Omni works through natural conversation. You don't rewrite prompts — you talk to it. Change the camera angle, swap an object, add music, remix a scene. Every edit builds on the last, keeping characters and scenes consistent.

Released in May 2026, Gemini Omni Flash is the first model in the Omni family — and it's available right now in the Gemini app, Google Flow, and YouTube Shorts. Future Omni models will expand to support image and audio output alongside video.

核心能力

Gemini Omni 的 9 大核心能力

Gemini Omni 是首个将多模态生成、对话式编辑、真实世界物理和领先文字渲染整合到同一个系统中的 AI 视频模型。

从任意输入生成视频

输入文本、图片、音频或参考视频——Gemini Omni 能将任意组合转化为带原生音频的视频，最高支持 4K 分辨率。无需为不同输入类型使用不同工具。

从任意输入生成视频

通过自然对话进行编辑

无需学习时间轴或节点编辑器。只需描述你想要的变化——"把车变成红色"、"换成黄金时刻的光线"、"在背景中加雨。"每条指令都在上一条的基础上叠加，保持场景一致性。

通过自然对话进行编辑

业界领先的文字渲染

需要在视频中添加屏幕标题、字幕或 UI 模型图？Gemini Omni 以业界最佳准确度渲染文字——清晰、可读，与画面动作同步。告别模糊的 AI 文字。

业界领先的文字渲染

真实世界物理与世界知识

物体自然地掉落、弹跳和碰撞。场景尊重历史准确性、科学原理和文化背景。Gemini Omni 利用 Gemini 的广博知识将你的视频建立在现实中——而不仅仅是视觉模式。

真实世界物理与世界知识

一致的角色、场景与多轮编辑

角色的面部、服装和场景背景在多轮编辑中保持一致。不再有"AI 忘了我的角色在镜头之间长什么样"的问题。

一致的角色、场景与多轮编辑

顶级语音与原生音频

视频自带同步音频。背景音乐、旁白和音效是原生生成的——无需导出到音频工具再重新同步。

顶级语音与原生音频
使用方法

三步创建你的第一个视频

通过三个简单步骤学习如何使用 Gemini Omni。从任意输入开始——文本、图片、音频或视频——通过自然对话进行优化。

01
1

从任意内容开始

用一句话描述你的想法。或上传照片、草图、音频片段或参考视频。Gemini Omni 接受文本、图片、音频和视频——随意组合。你将在不到一分钟内看到预览渲染。

02
2

在对话中指导

无需重写提示词——直接说出你想要的效果。"把白天变成夜晚。""把音乐换成更有活力的。""在开头加一个标题卡。"每次编辑都在前一次基础上叠加，保持视频连贯。

03
3

生成、混音与导出

对视频满意？导出最高 4K 带同步音频的视频。想尝试不同方向？从任意步骤重新混音——更换风格、改变动作、添加新角色。按需导出任意多个版本。

适用场景

Gemini Omni 适合谁？

从内容创作者到产品设计师，Gemini Omni 融入真实的创作工作流程——而不仅仅是制作单个片段。

YouTube 和 TikTok 创作者

将一个创意转化为多个短视频——竖屏、横屏、不同剪辑版本。添加能够正确渲染的屏幕文字。无需重新拍摄，将表现最好的片段重新混音为新鲜变体。

营销和广告团队

从产品照片和简介中生成产品演示、社交广告和说明视频。更换背景、添加品牌元素、渲染文字叠加——全在一个对话中完成。比等待代理商快得多。

教育工作者和在线课程创作者

创建基于真实科学、历史和数学的视觉准确说明视频。Gemini Omni 的世界知识意味着你的动画尊重事实——而不仅仅是视觉模式。添加清晰渲染的屏幕公式、标签和图表。

电影制作人和分镜师

在几分钟内测试场景概念，而不是几天。上传分镜草图，描述动作，获得可以通过对话优化的动态预演。参考真实地点、特定光线和镜头运动。

产品设计师和 UI/UX 团队

生成应用演示和 UI 展示，文字保持可读。Gemini Omni 的文字渲染业界领先——你的模型图看起来像真实屏幕，而不是被 AI 模糊的近似品。

为什么选择

为什么选择 Gemini Omni 而非其他 AI 视频工具

没有其他 AI 视频模型能将推理、多模态输入、对话式编辑和文字渲染整合到一个系统中。

对话式编辑 — 像与剪辑师对话一样

无需学习时间轴或重写提示词。只需描述你想要的变化——就像在与剪辑师对话。每次修改都在前一次基础上连贯叠加，保持角色和场景在多次对话中一致。

从底层构建的多模态

输入文本、照片、草图、音频或参考片段——任意组合。其他工具将你限制在纯文本提示词中。Gemini Omni 原生接受和理解每种输入类型。

真实世界物理与知识

你的说明视频尊重真实的科学和历史。你的产品演示运动如真实物体。没有物体掉落、弹跳和互动中的"AI 怪异感"——Gemini Omni 的推理引擎将每一帧建立在现实中。

业界领先的文字渲染

屏幕标题、标签和 UI 文字保持清晰可读。对于广告、教程和应用演示来说，仅此一点就值得切换。不再有毁掉完美画面的模糊 AI 文字。

Google DeepMind 生态系统

由 Gemini、Veo 和 Imagen 背后的团队打造。与 YouTube Shorts、Google Flow 和 Gemini 应用集成。你建立在向数十亿用户交付的基础设施之上——内置 SynthID 水印和 C2PA 内容凭证。

价格

选择最适合您的付费计划

需要一次性积分包？

入门版

¥68/月

入门体验版，低门槛引流

支持微信支付微信支付支付宝支付宝
  • 每月 60 积分（约可生成 20 个视频）
  • 月付/年付任选，随时取消
  • 适合入门体验与轻量使用
  • 随时查看和管理视频生成历史
  • 支持商业使用
  • 7x24 小时客服支持
    热门

    专业版

    ¥163/月

    主推版本，性价比最高

    支持微信支付微信支付支付宝支付宝
    • 每月 150 积分（约可生成 50 个视频）
    • 月付/年付任选，随时取消
    • 性价比之选，适合个人创作者与小团队
    • 随时查看和管理视频生成历史
    • 支持商业使用
    • 7x24 小时客服支持

      工作室版

      ¥272/月

      专业版，高频创作者

      支持微信支付微信支付支付宝支付宝
      • 每月 270 积分（约可生成 90 个视频）
      • 月付/年付任选，随时取消
      • 适合专业创作者与高频生成
      • 随时查看和管理视频生成历史
      • 支持商业使用
      • 7x24 小时客服支持
        充值包

        需要更多积分？

        一次性购买，随时补充积分，可与任意订阅计划叠加使用。

        一次性补充
        ¥68
        60 积分
        30 天有效
        可立即用于额外视频生成
        可与任意订阅计划配合使用
        支持微信支付微信支付支付宝支付宝
        常见问题

        关于 Gemini Omni 的常见问题

        Gemini Omni 是什么？
        Gemini Omni 是 Google DeepMind 的多模态 AI 模型，能够从文本、图片、音频和视频输入中创建和编辑视频。它于 2026 年 5 月发布，基于 Gemini 的推理引擎构建——这意味着它能理解物理、历史和上下文，而不仅仅是视觉模式。
        Gemini Omni 免费吗？费用是多少？
        是的——注册后你将获得免费额度，可立即开始创作。无需信用卡。使用完试用额度后，你可以购买额外的额度包继续生成。无订阅，只需为你使用的内容付费。
        Gemini Omni 和 Veo 有什么不同？
        Veo 是 Google 专注高保真文本转视频的电影级视频模型。Gemini Omni 更进一步——增加了多模态输入（图片、音频、视频）、对话式多轮编辑、真实世界物理理解和业界领先的文字渲染。可以将 Gemini Omni 视为结合了 Veo 视觉质量和 Gemini 推理能力的下一代产品。
        如何开始使用 Gemini Omni？
        免费注册——你将立即获得额度，无需等待。登录后，输入提示词、上传参考图片或选择模板。你的第一个视频将在几分钟内渲染完成。无需下载或安装——一切在浏览器中运行。
        Gemini Omni 与 Sora 2 和 Seedance 2 相比如何？
        Gemini Omni 的核心优势是对话式编辑——你通过对话进行优化，而不是从头重写提示词。它在屏幕文字渲染准确性方面也处于领先地位，并受益于 Gemini 的世界知识，能够生成符合历史和科学的准确输出。Sora 2 和 Seedance 2 是强大的文本转视频模型，但它们缺乏 Omni 的统一多模态输入和对话式工作流程。
        Gemini Omni 能通过对话编辑视频吗？
        是的——这是其核心功能之一。你可以改变镜头角度、替换物体、重新混音动作、添加角色或转换整个场景——全部通过用自然语言描述你想要的效果。每次编辑都记住之前的内容，确保视频在每一轮中保持一致。
        Gemini Omni 视频可以多长？支持音频吗？
        是的，Gemini Omni 生成带原生同步音频的视频——包括背景音乐、旁白和音效。视频时长取决于分辨率：720p 最长 10 秒，1080p 最长 8 秒，4K 最长 4 秒。
        什么是 Gemini Omni Flash？
        Gemini Omni Flash 是 Omni 家族的第一个模型，于 2026 年 5 月发布。这是目前在 Gemini 应用、Google Flow 和 YouTube Shorts 中可用的版本。未来的 Omni 模型将支持额外的输出模态，包括图片和音频。
        Gemini Omni 有 API 吗？
        Google 已宣布计划向开发者和企业提供 API 访问，但目前尚未普遍可用。API 推出后我们将更新此页面。
        Gemini Omni 视频有水印吗？
        是的。Gemini Omni 使用 Google DeepMind 的 SynthID 技术嵌入不可见水印，并支持 C2PA 内容凭证，让观众可以验证视频的 AI 来源。这同时保护了创作者和观众。
        Gemini Omni 有什么局限性？
        Gemini Omni 是一个重大进步，但 Google 的模型卡承认，在复杂的多轮编辑中保持完美一致性、生成非常复杂运动的场景以及在所有情况下渲染完全准确的文字仍然是活跃的挑战。我们建议检查输出结果，特别是用于制作目的时。
        Gemini Omni 适合谁使用？
        内容创作者、营销人员、教育工作者、电影制作人和产品设计师。如果你需要将创意转化为视频——无论是从零开始还是通过重新混音现有素材——Gemini Omni 就是为你打造的。
        开始创作

        试用 Gemini Omni — 免费额度，无需等待

        将文本、图片、音频和视频转化为专业级视频，由理解真实世界的 AI 驱动。注册即享免费额度，无需信用卡。

        免费试用 Gemini Omni查看定价