多模态输入
文本定义意图，图片固定外观，音频可引导声音或节奏，视频可提供运动或时序。
- 输入方式
- 多模态
- 编辑方式
- 对话式
- 可用状态
- Preview
- 本站属性
- 独立产品
用四个部分理解它
在本站中，Gemini Omni 描述一套组合多种输入并通过自然语言修改的视频工作流。
短视频输出
用户提供的研究描述了短视频 Preview 输出，具体限制取决于当前模型和账号。
对话式编辑
用户用语言描述局部修改，保留成功部分，不必每次从零生成。
API 工作流
开发者可以提交结构化请求、轮询任务状态、获取结果，并执行预算和重试限制。
工作流如何连接
模型只是完整生产系统中的一层。
提供创意上下文
只组合能够控制明确可见决定的提示词与参考素材。
生成短草稿
用低风险的第一次尝试验证主体、构图、运动和时序。
描述修改
保留有效部分，只改变背景、动作、镜头或物体中的一个。
带来源信息交付
保留所需 AI 标识，并检查使用权、内容政策与披露要求。
工作流概念示例
这些站点素材用于说明多模态生成和编辑方式，不是官方模型基准。
自然语言替换物体
替换指定物体，同时保持周围动作和构图。
从绘画到运动
把静态视觉参考作为运动和场景发展的起点。
一致的多轮编辑
通过局部指令逐步调整结果，同时保持成功元素稳定。
生产前需要核实的限制
Preview 细节变化很快，官方模型与第三方访问层也可能不同。
支持的输入类型
时长与分辨率
帧率与画幅
配额与排队行为
输入与输出价格
商业与来源标识条款
核实当前官方信息
Preview 事实与条款可能变化。在生产、采购或法律决策前，请查看第一方文档。
什么是 Gemini Omni 常见问题
Gemini Omni 是文本生成视频模型吗？
工作流包含文本生成视频，但用户提供的研究描述了更广的多模态方式，包括图片、音频、视频输入和对话式编辑。
Flash 是什么意思？
Flash 通常表示更偏向快速或高效率迭代的路径。具体表现与限制可能变化，请查看当前模型文档。
Free Gemini Omni 是 Google 官方服务吗？
不是。Free Gemini Omni 是独立产品与信息资源，不声称获得 Google 隶属、背书或赞助。
在哪里核实当前官方信息？
做出生产或法律决定前，请查看最新 Google AI for Developers、Google DeepMind、官方价格和品牌指南页面。
从概览继续
进入生成器、API、视频场景或成本规划器。