谷歌即将在I/O大会发布的全新多模态模型Gemini Omni，首次通过泄露演示引发全网关注。一段由AI生成的教授在黑板上推导三角恒等式的视频显示，模型不仅能准确呈现手写公式过程，还能同步语音讲解，文本一致性远超此前同类产品。该模型支持10秒、1280x720分辨率视频生成，并具备实时编辑能力，包括一键去水印和物体替换，光影与遮挡关系处理自然。与已关停的OpenAI Sora相比，Gemini Omni在逻辑连贯性和细节还原上展现出明显优势。

Gemini Omni被定位为原生多模态模型，深度集成于Gemini应用中，支持文本、图像、音频、视频的输入与输出。其ID为fbard_eac_video_generation_omni，提示词仅需一句即可生成高质量视频。测试显示，模型额度消耗较快，但生成质量极高，动漫风格视频也达到专业手绘水准。此次曝光时间点与Sora App停服仅隔两周，引发行业对AI视频赛道格局变化的猜测。

谷歌计划在I/O 2026主舞台上正式发布Gemini Omni及一系列新模型，包括Gemini 3 Flash、3.1全系及Lyria 3 Pro音频模型。此次泄露表明，谷歌正推动多模态AI在创作场景的深度应用。随着生成质量跨越‘恐怖谷’，AI视频正从视觉模拟迈向逻辑可信的新阶段，但高成本与用户留存仍是行业普遍挑战。