- Gemini Omni Flash 引入了原生多模态功能，可在单个对话过程中编辑视频、音频和文本。
- Google Flow Music 允许对歌曲进行分段精确编辑，并创建同步视频片段。
- 世界一流的技术确保几代人都能遵循现实世界的物理规律，并保持视觉一致性。
- 该生态系统还包括定制的无代码工具和通过 SynthID 实现的作者身份保护。
如果你认为生成式人工智能已经达到顶峰，那就大错特错了，因为谷歌刚刚带来了颠覆性的突破。随着Gemini Omni的推出以及Google Flow生态系统的演进，谷歌推出的不仅仅是一款新工具；它彻底改变了我们对视听和音乐制作的理解，从简单的、孤立的指令转向了一个全面且高度交互式的创意工作室。
我们正在见证的是从旧式的“写个提示然后祈祷它能奏效”模式向对话式工作流程的彻底转变。这不再是生成一个几乎无法修改的封闭文件，而是与机器保持流畅的对话，每一次调整都建立在前一次调整的基础上，使任何人，无论是否接受过技术培训，都能以惊人的精确度将电影和声音创意变为现实。
Gemini Omni：原生多模态大脑
Gemini Omni Flash才是真正的点睛之笔。与其他将多种工具（例如，一个用于文本，另一个用于视频等）拼接在一起的系统不同，Omni 采用的是原生多模态模型。这意味着它可以在单个引擎中同时处理文本、音频、图像和视频，避免了中间转换过程中出现的信息丢失，并使系统能够全局性地理解上下文。
其中最具颠覆性的功能之一是交互式视频编辑。想象一下，你上传一段视频，然后让AI将背景换成赛博朋克风格的街道，将灯光调整成霓虹色调，或者移除背景中一个心不在焉的行人。所有这些都通过多轮对话完成；模型会记住你上一步的操作，从而保持角色和环境的一致性，而无需你从头开始解释所有内容。
但真正令人惊叹的是它构建世界模型的概念。谷歌DeepMind并没有创造一个简单的像素预测器，而是一个能够理解物理定律、运动规律和空间感知能力的系统。得益于Genie的传承，Omni了解物体如何相互作用、阴影如何投射以及流体如何运动，从而避免了其他人工智能常见的奇怪扭曲，并呈现出惊人的物理真实感。
Google Flow Music 的蜕变
在音效方面，得益于Lyria 3 Pro的集成， Google Flow Music取得了显著进步。其主要新功能是所谓的“精准编辑”：现在您可以选择歌曲中的特定部分进行修改，而不会影响歌曲的其他部分。您可以重写副歌的歌词、改变高潮部分的节奏强度，或者即时翻译歌曲，所有操作均可在保持原有结构不变的情况下完成。
此外，该工具还支持创建完整的翻唱版本。您可以将自己的作品进行彻底的风格改造；例如，将一首强劲的摇滚歌曲改编成适合学习的低保真版本或轻柔的民谣版本，同时保留原曲的旋律。对于追求完整体验的用户，该系统还支持生成与音乐节奏和叙事自动同步的对话视频片段。
为了避免版权纠纷，谷歌推出了SynthID 技术。这是一种肉眼和耳朵都无法察觉的数字水印，但可以通过软件检测。这种“指纹”嵌入在像素和声波中，确保流媒体平台上的合成内容可以被识别，从而保护原创作品的完整性。
高级工具和辅助功能
Google Flow 的功能远不止于激发创意。他们还推出了Flow Agent，一个可以作为头脑风暴伙伴的助手，能够建议场景变体或批量处理文件，从而整理工作资料。但或许最巧妙的功能是Bespoke Tools，它允许用户使用自然语言创建自己的自定义工具，无需编写任何代码，然后与社区分享。
关于访问权限，这些功能可通过AI Plus、Pro 和 Ultra订阅计划获得。虽然网页版仍然是最强大的，但现在也推出了适用于 Android 和 iOS 的移动应用，使用户能够随时随地创作内容。此外，与YouTube Shorts 和 YouTube Create 的集成进一步普及了这些功能，使数百万短视频内容创作者能够即时提升视频的视觉质量。
Gemini Omni Flash 的问世和 Flow Music 的扩展标志着一个制作生态系统的巩固，在这个生态系统中，技术壁垒已经消失。通过将推理能力与多模态生成和现实世界的物理模拟相结合，谷歌将创作过程转变为流畅的对话，为艺术家提供了一个智能画布，它不会取代创作者，而是最大限度地发挥他们的才能。
