Gemini Omni AI 视频生成器

Gemini Omni 是 Google 的视频模型，可在一条提示词中接收文本、图片和视频，并返回带声音的片段。Ricebowl 运行当前发布的 Gemini Omni Flash，时长 4 到 10 秒，分辨率最高 4K。

选择模型
10s

选择视频生成时长

选择清晰度

横屏

选择比例

预计 — Credits

能力

Gemini Omni 的主要功能

原生多模态视频生成自然语言视频编辑视频重混定向场景编辑一致的视觉叙事基于知识的场景创建精确的音频控制多种摄影机角度定制虚拟形象生成

功能 01

原生多模态视频生成

一条提示词融合文本、图片和视频

Google 在 2026 年 I/O 大会上推出了 Gemini Omni，作为一款能够从任何输入创建任何内容的模型，首先聚焦视频生成。实际使用时，文生视频、图生视频和视频生视频均通过同一模型运行：编写提示词，附加最多七张参考图片，或添加一段短视频，Gemini Omni 将它们组合成一个带声音的场景。您无需在故事板框架和成片之间切换工具。在 Ricebowl 上，片段时长为 4、6、8 或 10 秒，竖屏或横屏，720p、1080p 或 4K。

  • 文生视频、图生视频和视频生视频，全部集成在同一个 Gemini Omni 模型中
  • 在 Ricebowl 上每次生成最多使用 7 张参考图片
  • 4 到 10 秒带音频的片段，720p 到 4K

功能 02

自然语言视频编辑

通过描述修改来编辑

Google 对 Gemini Omni 最简洁的描述是视频版的 Nano Banana：你只需用平实的语言告诉它要改什么即可编辑片段。调暗灯光、让小提琴消失、将摄像机移到肩部上方。提示词不必是英文。DeepMind 页面引用的合作伙伴报告称，旁遮普语口语对话能正确渲染并同步，Gemini Omni 还能将屏幕文字与动作同步，因此单词或字幕会在节拍落下的那一刻精确出现，而不是静态覆盖。

  • 纯语言编辑指令，无需遮罩或时间线
  • 非英文的提示词和对话
  • 屏幕文字与动作同步

功能 03

视频重混

以你的素材为起点

上传你拍摄的片段，让 Gemini Omni 改变其中的内容：将房间变成体素艺术，让镜子像液体一样波纹，用另一个物体替换飞船，或者根据参考图像将自己变成角色。原始片段的运动和结构会保留下来，因此重混后的动作仍与你原本的动作一致。Google 的 API 接受最长 10 秒的输入视频进行编辑；在 Ricebowl 上，将片段添加为参考视频，720p 或 1080p 作业固定收费 120 积分。

  • 对已有素材重新设定风格、场景或角色
  • 原始运动和摄像机路径保持不变
  • 在 Ricebowl 上 720p 或 1080p 重混固定 120 积分

功能 04

定向场景编辑

改变一处，其余保留

并非每次编辑都是全面重混。Gemini Omni 可以更改单个元素、道具、颜色、一天中的时间，同时保持画面其他部分不变，每条指令都建立在之前的基础上。Google 的演示让一位小提琴手经历四次转变：新环境、看不见的小提琴、新摄像机角度，每一步都保留了演奏的完整性。这是使用 Gemini Omni 而非重新生成提示词的主要原因，因为重新生成会丢弃你喜欢的镜头以及你不喜欢的细节。

  • 交换一个对象、颜色或灯光设置
  • 每次编辑都基于前一次
  • 保留你已经认可的表演

功能 05

一致的视觉叙事

角色和物理规则保持稳定

Google 表示，使用 Gemini Omni 时角色保持一致，物理规则保持成立，场景记得之前发生的事情。当故事跨越多个片段而非单个片段时，这一点很重要。在每次请求中使用相同的参考图像和已保存的角色，面部、服装和设置会贯穿整个序列。Gemini Omni 还支持在模型层面扩展场景并指定首尾帧，这正是 Google 用 10 秒镜头构建更长故事的方式。

  • 多次编辑轮次中角色保持一致
  • 场景记忆：后续修改尊重之前的更改
  • 模型层面的扩展和首尾帧
一致的视觉叙事

功能 06

基于知识的场景创建

基于 Gemini 的知识体系

Gemini Omni 将对物理、重力、动量和流体的直观理解，与 Gemini 在历史、科学和文化方面的知识结合在一起。要求制作一个关于蛋白质折叠的黏土动画解说，或者一个关于海马体如何工作的定格动画课程，模型不仅能正确理解内容，还能把握视觉效果。对教育工作者和讲解类频道而言，这就是一个漂亮片段与一个正确片段之间的区别。

  • 真实的物理效果：重力、动量和流体运动
  • 基于 Gemini 知识的历史、科学和数学内容
  • 准确的讲解，而不仅仅是吸引人

功能 07

精确的音频控制

声音跟随画面动作

Gemini Omni 中的音频是有意设计的：你可以像指挥画面一样指挥它。要求每次手碰到蕨叶时响起竖琴声，公寓灯光随音乐依次亮起，或者不要音乐、只有真实的房间声音。附加一个音频文件作为参考，模型会用它来匹配节奏或语音。在 Ricebowl 上，你可以在 Omni 面板中保存一个声音，并在多个片段中重复使用，这样解说员或品牌角色的声音在每个视频中都能保持一致。

  • 由特定屏幕时刻触发的音效
  • 用于节奏、语音和音乐的音频参考
  • 可在 Gemini Omni 片段中重复使用的已保存声音

功能 08

多种摄影机角度

从另一个角度重新拍摄

摄影机方向在生成和编辑时都起作用。在初始提示中描述一个快速横摇、低角度特写或缓慢推进，或者拿一个现有片段让 Gemini Omni 改变摄影机视角为过肩镜头，而无需重新拍摄。动画工作室 Cartwheel 表示，该模型在生成和编辑具有动态摄影机运动的镜头方面尤其出色。你还可以从参考视频中借用一种运动方式：将模型指向一个你喜欢的摄影机运动的片段，然后将其应用到你的主体上。

  • 用平实的电影语言描述摄影机运动
  • 在编辑中改变已完成片段的摄影机角度
  • 从参考视频复制摄影机运动

功能 09

定制虚拟形象生成

你的角色，你的动作

上传一个角色图片，附上你自己的片段，Gemini Omni 会将你替换为该角色，匹配你的动作和对话。Google 用一个简单的指令演示了这一功能：把我变成这个角色。它同样适用于草图，将一幅画转换成逼真的画面，只把涂鸦用作动作的指南。在 Ricebowl 上，在 Omni 面板中保存该角色，然后在后续生成中选择它，这样虚拟主持人或吉祥物就能在整个系列中保持同一张面孔。

  • 用角色替换你自己，同时保留动作和语音
  • 将草图转化为逼真的活动画面
  • 可在 Gemini Omni 片段中重复使用的已保存角色

提示词示例

Gemini Omni提示词

提示词

使用参考图像中的包。一名舞者在阳光照耀的工作室中旋转时将它甩过肩膀，镜头环绕她一圈。欢快的浩室音乐，每次旋转伴随轻柔的嗖声，无屏幕文字。

参考图像

参考图像

结果

结果

提示词

使用参考图像中的瓶子。一名跑步者在黎明时停在跑道上，喝水并看向镜头。缓慢推进，呼吸声和远处的鸟鸣，然后当标签转向镜头时响起一声低音。

参考图像

参考图像

结果

结果

使用场景

无论你的愿景如何，Gemini Omni 都能实现

短视频创作者

用手机拍摄一个简单的片段，然后让 Gemini Omni 将其变成你永远无法拍摄到的效果：一个分解成体素的房间，一只托着漂浮太阳的手，一个合着节拍发生的变形。你自身的动作让结果感觉真实。

营销与增长团队

一个经过审批的产品镜头，多个变体。用编辑指令改变场景、季节或主持人，而无需重新拍摄。据 Google 引用，HubX 报告在使用该模型后，创意产出提升了 23%，工作流成本降低了 20%。

电商与时尚

虚拟换装和电影级产品主图是设计平台FLORA针对Gemini Omni提到的用例。通过参考图像固定模特和产品，仅更换服装或背景。

教育工作者与解说频道

基于Gemini的知识，Gemini Omni可以制作关于生物学的定格动画解说或物理概念的黏土模型，既准确又生动，配有画外音和同步屏幕文字。

游戏与应用工作室

Astrocade表示，通过与模型对话，游戏创意的迭代时间从数天缩短到数分钟。生成一个预告片节奏，然后在后续编辑中修改角色、灯光或镜头，直到符合需求。

用户评价

创作者们反复提到的要点

01

对话式编辑是亮点

在Google Gemini Omni页面上，几乎每个合作伙伴的引言都以编辑开头：先制作视频，然后通过对话进行修改。Picsart将该模型带给其1.3亿创作者，并指出自动编辑是主要突破点。

02

运镜和风格感觉恰到好处

Cartwheel表示，Gemini Omni理解风格和运动的方式是其他竞品视频模型无法做到的，并且能很好地处理动态运镜的镜头，而这对AI视频来说通常是僵硬的。

03

基准测试印证了偏好

谷歌报告称，Gemini Omni Flash 在 1,003 个 MovieGenBench 提示词中，在整体偏好和指令遵循方面排名第一，并在 504 个示例的视频编辑人工对比测试中领先。

04

图生视频很强，但并非独此一家

在 VBench 图生视频集上，谷歌自己的结果显示 Gemini Omni Flash 与 Grok Imagine Video 和 Kling 并列第一，而非领先。对于简单的图像动画，它是几个有力选择之一。

创建 Gemini Omni 视频

版本

Gemini Omni：超越Veo 3的一大步

Gemini Omni vs Veo 3.1：该用哪个

默认使用Gemini Omni。Google自家的Gemini API文档推荐将Gemini Omni Flash作为默认视频模型，因其连贯性、多输入推理、角色一致性和多轮编辑能力，而将Veo 3.1保留用于特定需求，如场景扩展、最后一帧控制或旧有管线。在Ricebowl上，Veo 3.1唯一胜出的场景是价格：一个普通的10秒文生视频片段在那里花费45积分，而Gemini Omni需要90积分。

Gemini Omni Flash vs Gemini Omni

目前它们是同一个模型。Google以Gemini Omni Flash的名义提供Gemini Omni，模型代码为gemini-omni-1.1-flash，并没有独立的更大版本Omni与之对比。当人们搜索Gemini Omni Flash时，这就是Ricebowl运行的模型。

独特之处

Gemini Omni的突出之处

01

通过对话逐轮编辑

每条指令都基于前一条，因此你可以更改道具，然后调整灯光，再改变镜头角度，同时保留已确认的表演。重新生成文本提示会丢弃这个镜头以及你本想保留的细节。

02

在Omni面板中保存声音和角色

在Ricebowl上，你可以在Omni面板中保存声音和角色，并在后续片段中再次选择，从而使旁白、虚拟主持人或吉祥物在整个系列中外观和声音保持一致。

03

无需Gemini订阅即可使用Gemini Omni

在Google应用中，Gemini Omni Flash随Google AI Plus、Pro和Ultra订阅提供。在Ricebowl上，你按片段付费，4秒视频从45积分起，无需按月订阅Google，同样的积分也可用于Veo 3.1、Seedance 2.5和Kling 3.0。

我们的看法

我们对 Gemini Omni 的评价

Gemini Omni 和 Veo 3.1：它们有什么关系，你应该用哪个？

它们是不同的谷歌模型；Gemini Omni 属于 Gemini 系列，Veo 是独立产品线。按照谷歌 API 文档的建议，默认使用 Gemini Omni，只有当您在 Ricebowl 上想要最便宜的纯文生视频片段时才使用 Veo 3.1（45 Credits 生成 10 秒）。

Gemini Omni 能对你的视频进行多大程度的重混？

从替换一个道具到改变整个世界、艺术风格或角色，同时保留你原始的运动和镜头路径。限制在于长度：保持源片段短小，因为谷歌将编辑输入限制在 10 秒内。

角色一致性比 Seedance 2.5 更强还是更弱？

跨编辑时更强，跨时长时更弱。Gemini Omni 在反复修改同一片段时能保持角色稳定；Seedance 2.5 则能通过多达 30 张参考图像，在单个 30 秒镜头中保持人脸。选择 Gemini Omni 用于迭代镜头，选择 Seedance 2.5 用于单个长镜头。

对比

Gemini Omni与其他 AI模型

特性Gemini OmniVeo 3.1Seedance 2.5Kling 3.0
Ricebowl上的片段时长4、6、8或10秒10秒（快速模式下6秒）5至30秒5、10或15秒（Kling 3.0 Turbo为15秒）
Ricebowl 最大分辨率4K4K（Pro 4K）720p4K（Kling 3 Omni）
输入文本、最多7张图片、视频、已保存语音和角色文本、最多3张图片文本、最多30张图片、视频、音频文本、最多2张图片
编辑现有视频是，通过对话否是，本地编辑否
原生音频是是是可选附加
价格示例75积分（8秒，1080p）45积分（10秒）315积分（5秒，720p）130积分（Kling 3 Omni，5秒，1080p，音频）
最佳用途编辑和多输入场景最便宜的带音频单次拍摄长单次拍摄多次拍摄序列

所有四个模型均在Ricebowl上运行；可通过上方的模型选择器切换。积分价格来自实时定价表，可能发生变化。

创建 Gemini Omni 视频

工作原理

如何在 Ricebowl 上使用 Gemini Omni

创建 Gemini Omni 视频

01

注册并打开 Gemini Omni

此页面顶部的生成器已默认选中 Gemini Omni。注册免费，并获得 8 Credits；Gemini Omni 片段起始价为 45 Credits 生成 4 秒。

02

编写提示词并添加参考

描述场景、镜头和声音。最多附加七张参考图像、一个要编辑或重混的短视频，或在 Omni 面板中选择已保存的语音和角色。选择时长、方向和分辨率。

03

生成，然后优化

点击生成，片段将带有音频。若要更改某个细节，将结果作为参考视频，仅描述需要更改的内容，而不是重写整个提示词。

本月 1,200+ 创作者平均评分 4.8

用户评价

被创作者和营销人员使用

来自在 Ricebowl 上制作视频的人们的反馈。

Priya Nair

我在厨房拍一段无聊的片段，然后将其变成不可思议的东西。是我自己的运动让它看起来真实。

短视频创作者

Daniel Weber

一张产品照片，然后为五个受众做五版剪辑。输入一句话改变背景，比重新预约拍摄好得多。

增长营销专员

Lucía Fernández

同一个模特，同一个包，每次换新装。参考图像让产品始终保持准确。

时尚电商

Owen Brooks

讲解视频准确，不只是好看。这是我从其他视频工具中永远得不到的东西。

科学教育者

Mei Chen

我们通过对话来修改预告片。过去要花一整天的来回沟通，现在一个下午就完成了。

独立游戏工作室

创建 Gemini Omni 视频

定价

一份余额，通用于所有模型。积分可用于全部 20 个视频模型 —— 无水印、不锁模型，每个付费方案都含商用授权。

按年付立省 30%

按年支付，节省更多。

轻量版月度

最便宜的起步方式。所有模型，每月小额额度。

US$12.99/月

每月续订，随时取消。

400 积分

≈ 1–20 条，取决于所选模型

≈ 28–133 张，取决于所选模型

3.25¢ / 积分

  • 1080p · 无水印 · 可商用
  • 积分按计费月重置
  • 全部模型均可使用
  • 无水印输出
  • 可加购积分包
  • 标准支持

入门版月度

推荐

够你把每个模型都试一遍，每月还能做出几条成片。

US$29.9/月

每月续订，随时取消。

1,000 积分

≈ 3–50 条，取决于所选模型

≈ 71–333 张，取决于所选模型

2.99¢ / 积分

2 个并行任务

  • 1080p · 无水印 · 可商用
  • 积分按计费月重置
  • 全部模型均可使用
  • 无水印输出
  • 可加购积分包
  • 标准支持

标准月度

热门

适合准备转全职的个人创作者 —— 模型全开，预算宽裕。

US$49.9/月

每月续订，随时取消。

2,000 积分

≈ 6–100 条，取决于所选模型

≈ 142–666 张，取决于所选模型

2.50¢ / 积分

3 个并行任务

  • 1080p · 无水印 · 可商用
  • 积分按计费月重置
  • 全部模型均可使用
  • 无水印输出
  • 可加购积分包
  • 优先支持

高级月度

推荐

面向高产创作者和小团队的大批量生产。

US$89.9/月

每月续订，随时取消。

5,000 积分

≈ 15–250 条，取决于所选模型

≈ 357–1666 张，取决于所选模型

1.80¢ / 积分

5 个并行任务

  • 1080p · 无水印 · 可商用
  • 积分按计费月重置
  • 全部模型均可使用
  • 无水印输出
  • 可加购积分包
  • 优先支持

Make something with Gemini Omni

More AI video tools

常见问题

了解 Gemini Omni 是什么、它与 Veo 的关系以及在这里使用的成本。

创建 Gemini Omni 视频
在 Ricebowl 上使用 Gemini Omni 是免费的吗？

注册是免费的，但 Gemini Omni 渲染需要付费。新 Ricebowl 账户可获得 8 个积分，不够生成任何视频片段，而最短的 Gemini Omni 片段需要 45 个积分（4 秒）。Google 本身只在 YouTube Shorts 和 YouTube Create 应用中免费提供 Gemini Omni Flash；在 Gemini 应用和 Flow 中，它包含在付费的 Google AI 方案中。在 Ricebowl 上，你按片段付费，无需订阅。

什么是 Gemini Omni？

Gemini Omni 是 Google 的多模态生成模型，在 Google I/O 2026 上发布，它可以根据文本、图像、音频和视频的任意组合生成视频，并允许通过对话编辑结果。Google 将其描述为 Gemini 的推理能力与创作能力相结合的交汇点。已发布的版本是 Gemini Omni Flash。

Gemini Omni 与其前身 Veo 3 有何不同？

Veo 3 根据提示或图像生成带音频的视频。Gemini Omni 在此基础上增加了三项功能：它可以接收视频和音频作为输入；可以在多次对话轮次中编辑现有片段并保持一致性；并且可以借助 Gemini 的世界知识来处理需要事实准确的场景。Veo 现已升级至 Veo 3.1，Google 仍提供该版本用于扩展和帧控制。

Gemini Omni 是否使用了 Veo？

没有。Google 将 Gemini Omni 作为 Gemini 模型呈现，与 Veo 分开列出，Veo 仍然是其专门的视频家族。两者共存：Google 的 API 文档将 Gemini Omni Flash 作为默认视频模型，并将 Veo 3.1 用于特定功能，例如场景扩展和末帧控制。

Gemini Omni Flash 和 Gemini Omni 是同一个东西吗？

是的，目前如此。Google 发布的模型名为 Gemini Omni Flash，稳定模型代码为 gemini-omni-1.1-flash，目前没有第二个更大的 Gemini Omni 可用。Ricebowl 的 Gemini Omni 选项运行的就是这个模型。

Gemini Omni 视频可以有多长？

Google 的 API 输出片段长度为 3 到 10 秒。在 Ricebowl 上，你可以选择 4、6、8 或 10 秒。对于更长的故事，Google 支持扩展场景，同时你可以使用相同的参考图像和保存的角色串联多个 10 秒片段。如果你需要超过 10 秒的连续镜头，Seedance 2.5 可以渲染长达 30 秒。

Gemini Omni 中的自定义音频功能如何工作？

你可以像指导画面一样指导声音。将效果与特定时刻绑定，例如手指触碰树叶时发出铃声，设置音乐跟随动作，或者要求无音乐只有真实的环境音。你还可以附加音频文件作为节奏或声音的参考，在 Ricebowl 上还可以保存声音以便在后续片段中重复使用。

Gemini Omni 可以编辑现有视频吗？

可以，这是该模型的主要优势。将你的片段作为参考视频添加，然后描述更改：新环境、不同物体、另一种艺术风格、新摄像机角度或角色替换。源视频的运动和结构会保留。Google 限制用于编辑的输入视频最长 10 秒，在 Ricebowl 上，使用参考视频的任务在 720p 或 1080p 下需要 120 个积分。

Gemini Omni 适合初学者吗？

适合。无需学习蒙版、关键帧或时间轴；你描述你想要的内容，然后描述要更改的部分。一个有用的习惯是一次只编辑一个方面，这样每次修改都可预测，并保留你已经喜欢的部分。

Gemini Omni 输出什么分辨率？

Google 列出 360p、720p、1080p 和 4K，帧率为 24 fps。在 Ricebowl 上，你可以选择 720p、1080p 或 4K。720p 和 1080p 价格相同，根据时长 45 到 90 积分，所以除非你需要 4K（105 到 150 积分），否则选择 1080p 即可。

我可以将 Gemini Omni 视频用于商业用途吗？

可以。使用购买积分生成的视频可以用于广告、客户作品和产品页面。请使用你拥有或已获得许可的参考图像和素材，避免使用未经许可的真实人物。Google 会在其自己的应用中对 Gemini Omni 的输出添加不可见的 SynthID 水印和 C2PA 内容凭证。

为什么要在 Ricebowl 上使用 Gemini Omni？

因为你可以在没有 Google AI 订阅的情况下使用 Google 最新的视频模型，按片段付费（低至 45 积分），并且可以在同一个选择器中切换到 Veo 3.1、Seedance 2.5 或 Kling 3.0，当某个镜头需要其他模型时。保存的声音和角色可以轻松保持系列的一致性。从本页顶部的生成器开始。

相关

探索其他 Gemini Omni 模型

更多模型

发现其他 AI 模型

Seedance 2Kling 3MiniMax H3Sora 2GPT Image 2Nano Banana 2Veo 3.1Gemini OmniGrok Imagine 1.5PixVerse V6HappyHorseGPT Image 2.5

立即尝试 Gemini Omni

就在 Ricebowl！

输入文字、图片和视频，输出带音频的片段。通过对话进行编辑，保存你的声音和角色，渲染最高4K。

创建一段 Gemini Omni 视频

免费注册 · 对话式编辑 · 原生音频 · 最高4K

立即尝试 Gemini Omni

创建 Gemini Omni 视频