一段"教授在黑板上推导三角恒等式"的10秒AI生成视频，这两天在社交媒体上刷屏了。这段视频来自谷歌尚未正式发布的全新视频生成模型——Gemini Omni。作为AI视频生成领域的一次重要突破，Gemini Omni首次在视频中实现了数学公式的精准渲染，被业界评价为"打穿了文本一致性这道阿喀琉斯之踵"。
就在Gemini移动端App主页截流出不到一天，有用户又意外触发了Gemini聊天界面中的视频生成功能入口。界面中明确写道："用Gemini Omni来创作，认识一下我们全新的视频生成模型。重混你的视频、在对话中直接进行编辑、尝试模板。"不过，该用户再次打开Gemini应用时，Omni功能已消失，界面恢复旧版。
一、文本一致性难题被破解
AI视频生成长期以来面临的最大挑战之一，是视频中文字内容的准确性问题。传统扩散模型在渲染文字时常常出现字符扭曲、错位甚至乱码，这在需要展示文字的教学或演示视频中几乎是致命缺陷。Gemini Omni通过改进的视觉编码器和跨模态注意力机制，首次在视频生成中实现了文字的精准呈现。
在"教授书写三角恒等式"的测试案例中，用户仅输入一句提示词："一位教授在传统的黑板上写出三角恒等式的数学证明，并解释他目前在方程式中执行的步骤。"Gemini Omni生成的10秒视频不仅画面真实感强，更完美呈现了黑板上的数学公式内容。AI创作者社区的博主@Azed_ai评价称："如果这是实际输出，那么文本一致性确实令人难以置信。"作为对比，同等提示词下Seedance 2.0生成的板书内容与数学主题关联较弱，文字渲染仍有明显缺陷。
二、全模态架构与差异化编辑能力
与此前独立的视频生成模型Veo不同，Gemini Omni基于全模态统一架构设计，是继Nano Banana之后又一个深度集成到Gemini平台的核心能力模块。这意味着用户可以在同一个对话界面中，同时完成文本对话、图像生成、视频创建和编辑等多项任务。
Gemini Omni最令人惊喜的能力之一是其强大的视频编辑功能。测试显示，该模型可以将在意大利面场景中一键替换为冬阴功汤，还能精准移除Sora生成视频中的动态水印，且画面保持流畅自然。这种"无痕编辑"技术若成熟，或将重塑视频内容创作生态。
在音质方面，Gemini Omni同样实现了对竞品的超越。测试者反馈，模型生成的视频不仅有同步的语音讲解，还自动配上符合场景的背景音乐，音质远超市面上其他视频生成模型，被评价为"迄今听过最好的视频音频"。
三、商业化挑战与技术竞争格局
然而，Gemini Omni的高昂计算成本仍是一大障碍。有测试用户透露，生成数学板书和吃面两个视频，就消耗了AI Pro订阅计划每日额度的86%。这意味着视频生成目前仍是一门"烧钱"的生意，大规模商业化落地还需要在效率和成本之间找到更好的平衡。
与此同时，Gemini Omni与Seedance 2.0、Kling 3.0等竞品的对比也引发了行业讨论。在物理逻辑模拟方面，Gemini Omni仍有提升空间——在"威尔·史密斯吃意大利面"的经典测试场景中，Gemini Omni生成的人物入座前餐盘为空，开吃后面条却凭空消失，这是当前AI视频在物理逻辑模拟上的普遍困境。
谷歌预计将在5月19日举行的Google I/O大会上正式确认该模型，届时或公布更多技术细节和开放时间表。业界普遍认为，Gemini Omni的提前曝光具有明显的造势意味——在OpenAI、Runway、快手可灵等竞争对手密集发布新品的当下，谷歌正在试图通过这一"意外泄露"重夺视频生成领域的关注度和话语权。
