# 谷歌发布 Gemini Omni 模型，任意输入都能生成任意输出，一句话就能改视频

> 原标题：谷歌 Gemini Omni 全能模型发布：可从任意输入生成任意输出，一句话让 AI 修改视频

- 来源：AI HOT 精选
- 发布时间：2026-05-19T17:26:55.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/23746
- 原文：https://www.ithome.com/0/952/519.htm

## 摘要

谷歌在 I/O 2026 大会上推出了 Gemini Omni，这是 Gemini 家族目前能力最全的版本，能同时处理文字、图片、音频和视频，并直接生成这些格式的内容。现场演示了对话式视频编辑，用户说句话就能换掉视频里的角色或背景。

## 推荐理由

谷歌在 I/O 2026 发布 Gemini Omni，可跨文字、图片、音频、视频互转，现场演示了用一句话替换视频角色或背景的对话式编辑。

## 锐评

一句话改视频的演示看着挺唬人，连 API 和价格都没放出来，我看纯粹就是发布会用来秀肌肉的。文字图片音频视频全模态互转听着很全能，直接生成和修改视频这种重计算任务，算力账单要是算不过来，单次调用成本就会高到离谱。外部开发者现在既拿不到接口也不知道收费标准，再漂亮的现场演示也是空中楼阁，根本落不到实际的产品业务里。
