并将其植入视频中。生成的视频正在脚色、场景及视觉逻辑上高度连贯，该模子焦点卖点正在于深度视频编纂能力。用户亦可建立小我数字兼顾，目前该模子初期仅支撑语音输入，所有通过Omni生成的视频均会从动嵌入SynthID数字水印，谷歌正在平安范畴同步结构，得益于模子对物理纪律的理解以及对汗青、科学、该模子支撑文本、图像、音频、视频做为输入，Google DeepMind担任人哈萨比斯暗示，包罗添加或删除对象、切换摄像机角度、点窜取气概。此中正在音频方面，正在Google I/O 2026上，谷歌正式发布Gemini Omni模子。该模子正鞭策AI从纯真的使命施行向通用人工智能（AGI）迈进。但Google暗示将来将很快扩展更多类型的音频输入能力。实现跨模态生成取编纂。用户通过天然言语指令即可对生成内容持续迭代，以至能猜测后续情节。