谷歌 Gemini Omni 实测：生成视频效果好坏参半，换脸逼真或能骗过身边人！

一切，始于一个新的生成式模型家族

Omni 是新的生成式模型家族，据说有朝一日能将照片、视频、文本等任何形式输入转化为其他形式。目前主要用于生成视频。Omni Flash 是谷歌发布的首个此类模型，可在该公司的 AI 视频生成和编辑平台 Flow 中使用。也可继续用之前的模型 Veo，但 Omni 在几个方面对 Veo 进行了改进。使用 Omni 时，可上传视频并结合文本提示作为 AI 创作起点。谷歌称 Omni 制作视频时融入更多现实世界知识，能更好保持角色一致性。为验证说法，让 AI 巴迪开启另一段冒险。

实测结果：好坏参半令人困惑

结果好坏参半，有些效果非常好，比五个月前测试 Veo 时更符合提示，角色更连贯。但最佳片段仍有 AI 带来的惊悚瞬间，如巴迪跳伞时突然改变方向。在另一个视频中，给 Omni 创作自由，让其制作巴迪度假视频，视频里巴迪装了罐蜂蜜，后来拿蜂蜜像拿防晒霜，还把蜂蜜挤到蹄子上。不过蜂蜜在视频里不断变化，最后一帧像胡乱拼凑。

编辑效果：有进步但仍不理想

可用基于文本的提示对视频进行编辑，谷歌在这方面有进步，使用 Omni 编辑比测试 Veo 3 时效果好。但 Veo 编辑效果差，每次想修改内容都觉得重新生成新视频更容易。Omni 会接受编辑指令，但结果不总是理想。如让突出巴迪面部反应，效果奇怪；给巴迪加鹿角，要求去掉一幕中的鹿角后，其他场景又都加上了。

成本问题：生成编辑消耗大

生成视频需消耗积分，根据场景长度和起始“素材”不同，消耗积分在 15 到 40 分之间，一轮编辑需 40 积分。有每月 20 美元的 AI Pro 套餐，每月有 1000 积分。生成约 20 个片段并编辑后，积分只剩 145 分。若对视频有具体想法，可能需和模型大量成本高昂的反复调整，才能得到接近设想的视频。

换脸视频：逼真但有瑕疵

Omni 能将 AI 生成内容添加到真实视频中，以自拍视频为基础，让 Omni 生成吃意大利面、坐飞机、站在埃菲尔铁塔前咬法棍面包的视频。换脸视频有 AI 痕迹，像叉子碰面碗声音假，飞机视频背景女人出现两次。但除小瑕疵和怪异感，视频逼真得要命。给丈夫看吃意大利面视频，他以为是真的，唯一觉得不对劲的是碗看着陌生。其他换脸视频也有不同程度“足以在社交媒体上骗过别人”的效果，部分埃菲尔铁塔视频片段逼真，需反复看才能发现是 AI 生成。

新鲜感渐退：从震惊到平淡

测试 Veo 3 时，其逼真效果让人震惊，过去几年惊叹于制作假人假照片容易。或许也该对 Omni 感到震惊，但新鲜感已渐渐消退。本文中的所有图片和视频均由谷歌 Gemini 生成。