Google 发布 Gemini Omni Flash：能用视频+文字生成新视频的 AI 创作模型
Google 发布 Gemini Omni Flash——支持以视频+文字输入生成新视频，已集成到 Flow 平台。相比 Veo 在角色一致性和现实知识方面大幅提升，内容创作者将迎来新的素材生成方式。
2026年5月24日 · 阅读约 4 分钟
核心结论
2026 年 5 月 23 日，Google 在 I/O 大会后正式发布了 Gemini Omni 系列模型的第一个版本——Omni Flash。这是一款"anything-to-anything"生成式 AI 模型，目前专注于视频生成，已集成到 Google 的 AI 视频编辑平台 Flow 中。相比上一代 Veo，Omni Flash 支持同时以视频片段+文字提示为基础生成新内容，并且能更好地保持角色一致性。
关键要点
- 事件时间：2026 年 5 月 23 日
- 影响对象：AI 视频创作者、内容自动化团队、使用 AI 生成素材的电商与营销人员
- 核心变化：从"文字→视频"升级为"视频+文字→新视频"，角色一致性大幅改善，内容创作流程可能因此重构
背景与触发事件
Google 在 2026 年 I/O 大会上展出了 Gemini Omni 系列模型，定位为"全输入→全输出"（anything-to-anything）的统一生成模型。Omni Flash 是首个公开发布的版本，搭载在 Google 的 AI 视频创作与编辑平台 Flow 中。
根据 The Verge 记者 Allison Johnson 的实测，Omni Flash 可以上传一段已有的视频片段，再配合文字 prompt 生成全新的视频内容。Google 声称，Omni 模型在生成视频时融入了更多的"现实世界知识"，并且能更好地保持角色和物体在视频各帧之间的一致性。
实测结果呈现出"令人困惑的混合体"——有些场景效果惊艳，有些则仍然不稳定。
Google 视频生成模型演进
| 模型 | 发布时间 | 核心能力 | 输入方式 |
|---|---|---|---|
| Veo | 2024 | 文字→视频生成 | 仅文字 prompt |
| Veo 2 | 2025 | 更高分辨率、更长时长 | 文字 + 参考图 |
| Omni Flash | 2026年5月 | 视频+文字→新视频 | 视频片段 + 文字 prompt |
| Omni（未来） | 待发布 | 任意输入→任意输出 | 图片/视频/音频/文字互相转换 |
对内容创作工作流的影响
正向改变
- 素材复用：现有视频素材可以作为 AI 生成的基础，大幅降低冷启动成本
- 角色一致性：AI 生成的视频中，角色/物体的视觉特征更稳定，不再每帧"换脸"
- 简化编辑：直接在 Flow 平台内完成从生成到后期编辑的全流程
当前局限
- 输出仍是视频，尚未实现"文字→3D/音频"等多模态输出（未来的 Omni 旗舰版会补全）
- 角色一致性虽有改进，但在复杂场景下仍会出现"漂浮"和变形
- 需要亲手实测才能判断是否达到商业可用标准
适配建议
- 内容创作者可以考虑将 Flow + Omni Flash 纳入短视频生产管线，先从素材复用的低成本方案入手
- 电商产品视频：用已有产品展示视频片段作为种子，让 AI 生成不同角度的变体
- 关注后续 Omni 全功能版的发布——"anything-to-anything"一旦成熟，将彻底改变内容工作流
- 同时保留 Veo 作为备选模型，Omni Flash 并非在所有场景下都优于前代
相关延伸资料
工具词条（触发工具悬浮卡）
正文中自然出现的工具名包括：Gemini、Google、OpenAI、ChatGPT、DeepSeek、Claude。这些词条在平台侧会匹配已维护 tools 库，前端显示 hover-card。
内链引导
- 想用 AI 自动化内容生产？看：如何用 n8n + ChatGPT 搭建 AI 内容自动化分发系统
- 真实案例：他靠 AI 代码审查+规范驱动开发月入过万