什么是 Gemini Omni Flash？
Gemini Omni Flash 是 Google DeepMind 推出的首个任意到任意的多模态媒体模型。它在 Google I/O 2026 上发布，并于 2026 年 6 月 30 日向开发者开放。你可以输入文本、图像、音频和视频，它会一次性返回带声音的完整视频。
它是 Omni 系列的第一个模型，Pro 版本已在开发中。与普通的文字生成视频工具不同，Omni Flash 会综合推理你提供的所有输入，生成符合现实物理规律的片段，并在你通过对话继续调整时保持片段稳定。
四大特点使它与众不同：
对话式编辑： 只需用自然语言输入修改要求，就能更换角色、重新打光或移动镜头，原有的音频和视频轨道保持不变。
多模态引用： 在一条提示词中结合照片、一行文字和一段参考片段，你的角色、产品和风格在整个镜头中保持一致。
世界知识与物理规律： Omni Flash 借助 Gemini 对重力、流体、历史和叙事逻辑的理解，让弹珠滚动得像真弹珠，历史场景也保留应有的细节。
原生音频与同步： 每个片段都在同一次生成中带有同步声音，你还可以通过简单的提示词，把文字或图形锁定到画面动作上。
还有一点值得了解：每个 Omni Flash 片段默认都带有 Google 的不可见 SynthID 水印。
在 Atlabs 上试用 AI 视频 →
“完美提示词”公式
Omni Flash 能理解自然语言，所以不要再堆砌 2023 年那种关键词了。像导演向剧组交代任务那样，分成不同的组成部分来描述你的镜头。
公式：
[主体 + 外观] 在 [场景] 中做 [动作]。[镜头运动 + 构图]。[灯光 + 氛围]。[风格 + 电影参考]。[音频 + 画面文字]。
示例拆解：
主体： 一名身穿磨损橙色宇航服的孤独宇航员……
动作： ……缓缓漂向一扇破裂的驾驶舱舷窗……
场景： ……在一座寂静、翻滚的空间站内……
镜头： ……缓慢推轨，然后轻柔环绕她的头盔……
光线： ……仅由红色应急频闪灯和远处的星光照亮……
风格： ……电影感科幻，35mm 拍摄，浅景深……
音频和文字： ……低沉的嗡鸣和一声孤零零的警报蜂鸣。驾驶舱屏幕上显示“OXYGEN 12%”。
由于 Omni Flash 在同一次生成中产生声音，在提示词中写明音频并不是可有可无的点缀，而是镜头的一部分。
制作你的第一个片段 →
5 个高效提示词模板
把这些复制到 Atlabs 上的 AI视频生成器 并根据你的项目调整细节。
1. “绘画变电影”动画师
最适合：让草图、分镜画格或静态图像动起来。
把它变成写实的影像，只把这幅画当作动作的参考。不要在最终视频中显示这幅画。加入自然的环境音。连续流畅的镜头，电影感灯光。
2. “对话式编辑”修改
最适合：修正或重新设定已生成片段的风格。 （生成或上传一个片段，然后输入修改要求）
保持一切不变，但把晴朗的下午改成下雨的蓝调时刻夜晚。相应地重新打光，加入轻柔的雨声，并保持角色的面孔和服装完全一致。
3. “多模态参考”场景
最适合：在新镜头中锁定角色或产品。 （附上你的主体图像和一个动作参考片段）
基于 image_0 的动感科幻电影风格视频。匹配 video_0 的镜头运动和能量。完全保留 image_0 中的角色，只把环境改成夜晚霓虹灯照亮的屋顶。
4. “物理与模拟”测试
最适合：水、布料、碰撞、连锁反应。
一颗弹珠在由多米诺骨牌、齿轮和小斜坡构成的连锁反应轨道上快速滚动。连续流畅的镜头，微距景深。弹珠遵循真实的重力和动量。清脆的咔嗒声和滚动声。
5. “节拍同步风格切换”
最适合：音乐视频和社交媒体剪辑。 （附上角色图像和音频）
image_0 中角色的全身行走循环，风格依次切换：写实电影、动漫、黏土动画。硬切背景，以天空为中心。风格切换与音频节拍同步。电影感，16:9。
试试这些模板 →
进阶功能
如何在 Gemini Omni Flash 中使用参考输入？
Omni Flash 可以在一条提示词中同时接受文本、图像和视频。附上产品图、角色设定图或动作参考，然后告诉模型如何使用每一个，比如“保留 image_0 中的角色”或“匹配 video_0 中的运镜”。模型会决定如何把它们融合成一个连贯的片段，同时保持你的主体稳定。语音参考是首个支持的音频输入类型，更多音频类型也在路上。
Gemini Omni Flash 能编辑现有视频吗？
可以，这正是它最大的亮点。生成或上传片段后，用自然语言输入你想要的修改：更换角色、重新打光、改变镜头角度或添加物体。模型会应用修改，同时保持原有音频和画面其余部分一致，因此你可以逐轮优化，而不必从头重新生成。真正的回报出现在第四次或第五次编辑时，场景依然保持完整。你可以通过以下方式完成这类修改： Atlabs 上的修改视频.
通过对话开始编辑 →
需要避免的常见错误
忘了音频。 Omni Flash 会在同一次生成中为每个片段配上声音。如果你不描述声音，就等于把一半的输出交给运气。请写明环境音、音效和情绪氛围。
把一条提示词塞得太满。 你不需要在一次请求里描述整支音乐视频。先生成一个干净的基础镜头，再用对话式编辑逐层叠加修改。这正是这个模型的设计初衷。
期待生成长片段。 发布时，Omni Flash 把片段上限设在约 10 秒。请把你的镜头规划成一个个节拍再串联起来，而不是一次就要完整场景。
含糊的编辑指令。 “让它更好”不会给模型任何信息。不如说“调暖色调，放慢镜头推进”。
对比：Gemini Omni Flash 与 Seedance 2.0
两个模型都能处理视频，但方向不同。Omni Flash 是对话式多模态编辑器，Seedance 2.0 则是一次成型的电影感导演。
功能 | Gemini Omni Flash | Seedance 2.0 |
|---|---|---|
最适合 | 对话式、逐轮编辑 | 一次成型的电影感生成 |
输入 | 文本、图像、视频（音频方面为语音参考） | 最多 9 张图像、3 段音频、3 段视频参考 |
编辑方式 | 对同一片段进行自然语言编辑 | 提示词或图像参考，然后生成 |
片段时长 | 发布时最长 10 秒 | 4 至 15 秒 |
分辨率 | 发布时上限为 720p | 原生 4K |
原生音频 | 是，每个片段都有 | 是，支持音乐节拍同步 |
物理表现 | 在水、布料、碰撞方面表现出色 | 在动作、布料、角色情绪方面表现出色 |
简单来说：当你想通过对话来塑造镜头、组合多种参考时，选 Omni Flash；当你想在一次生成中获得最高分辨率和电影级真实感时，选 Seedance 2.0。两者都在 Atlabs 模型阵容中提供，因此你无需离开平台就能在它们之间切换。
在 Atlabs 上对比模型 →
推荐资源
官方发布文章：blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/
开发者文档：ai.google.dev/gemini-api/docs/omni
模型卡：deepmind.google/models/model-cards/gemini-omni-flash/
常见问题
问：Gemini Omni Flash 实际输出什么？ 答：视频。它接受文本、图像、音频和视频作为输入，但结果始终是带同步声音的视频片段。图像和音频输出在 Omni 路线图上，但不属于本次发布。
问：Omni Flash 的片段能有多长？ 答：发布时片段上限约为 10 秒。后续版本预计会支持更长时长。目前，请把较长的序列规划成一连串较短的镜头。
问：它能在多次编辑中保持同一个角色吗？ 答：大体上可以。面孔、服装和声音在你逐轮编辑时被设计为保持一致。在大幅场景变化或快速运镜期间，一致性可能会出现偏差，所以在重要之处请用参考图像锁定你的主体。
问：Omni Flash 的视频有水印吗？ 答：有。每个片段默认都带有 Google 的不可见 SynthID 水印。它在缩放和重新编码后依然存在，让 AI 生成的视频保持可验证。
