模型发布

推出Gemini Omni多模态AI模型

原文标题:Introducing Gemini Omni

AI 摘要

谷歌推出原生多模态AI模型Gemini Omni,能够整合视频、图像、音频和文本等多种输入,生成高质量视频内容。其核心能力是通过自然语言对话进行视频编辑,并能保持角色一致性、物理规律与场景连贯性。首个模型Gemini Omni Flash已上线,未来将支持图像和音频输出。Gemini Omni结合了对物理世界的直觉理解与丰富的知识库,支持从写实到叙事的创意生成,并可通过多轮对话持续编辑视频,而不丢失原始场景上下文。

关键信息

  • 谷歌推出原生多模态AI模型Gemini Omni,能够整合视频、图像、音频和文本等多种输入,生成高质量视频内容。
  • 其核心能力是通过自然语言对话进行视频编辑,并能保持角色一致性、物理规律与场景连贯性。
  • 首个模型Gemini Omni Flash已上线,未来将支持图像和音频输出。
  • Gemini Omni结合了对物理世界的直觉理解与丰富的知识库,支持从写实到叙事的创意生成,并可通过多轮对话持续编辑视频,而不丢失原始场景上下文
  • Gemini Omni 把视频生成从画面堆砌推到了物理世界叙事,多轮自然语言编辑和世界知识融合是真正的代际升级,做视频内容的该重新理解工具的定义了

速览

发布时间
更新时间
来源
Google DeepMind:Blog(RSS)
分类
模型发布
AI 评分
83
阅读原文 前往信息源阅读完整正文
推荐理由

Gemini Omni 把视频生成从画面堆砌推到了物理世界叙事,多轮自然语言编辑和世界知识融合是真正的代际升级,做视频内容的该重新理解工具的定义了。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:推出Gemini Omni多模态AI模型。2026年5月18日。https://new.nat6.net/news/cmpcxg3ae00yzsljlcn3lr3hf/

查看全部 →
  • 蚂蚁集团发布万亿参数推理模型Ring-2.6-1T

    蚂蚁集团发布万亿参数推理模型Ring-2.6-1T,专为现实世界智能体工作流构建。该模型采用MIT许可,上下文长度通过YaRN技术从128K扩展至256K,并采用Async RL与IcePop混合训练架构。其核心特点是具备双推理努力模式:…

    X:蚂蚁百灵 (@AntLingAGI)模型发布AI 评分 76

  • 引入 Ettin Reranker 系列

    Hugging Face 发布六个 Ettin Reranker 重排序模型(17m、32m、68m、150m、400m、1b),基于 Ettin ModernBERT 编码器,蒸馏 self-mxbai-rerank-large-v2…

    Hugging Face 社区博客(混合发现)模型发布AI 评分 60

  • Gemini 3.5:具备行动能力的前沿智能

    Google发布了Gemini 3.5模型,该模型专注于提升执行复杂任务的能力。其核心特点是支持“代理式工作流”,即能够像助手一样自主规划并执行一系列多步骤、复杂的操作,旨在将先进的语言理解与实际问题解决能力相结合。

    Google DeepMind:Blog(RSS)模型发布AI 评分 75

  • Qwen3.5-LiveTranslate:从声音到视觉,从词语到准确

    Qwen3.5-LiveTranslate-Flash 是 Qwen 家族最新的同声传译模型,基于 Qwen3.5-Omni 架构,支持实时多模态翻译(音频、视频及视觉上下文)。语言覆盖大幅扩展:输入音频与输出文本从18种增至60种,输出…

    Qwen:Blog Retrieval(API)模型发布AI 评分 77