Gemini Omni登場！主打「萬物生成」、影片生成支援語音互動編輯

記者吳立言／綜合報導

 Google DeepMind 執行長哈薩比斯（Demis Hassabis）在 Google I/O 2026 活動現場正式揭曉全新影片生成模型「Gemini Omni」，並強調未來目標是實現「任何輸入生成任何輸出（anything from any input）」的多模態 AI 系統。

Gemini Omni 建立於 Google 長期投入的「世界模型（world models）」技術之上，除了支援影片生成，也導入更進一步的語音互動式編輯能力，使用者可直接透過對話修改角色、背景與畫面元素。首款版本「Gemini Omni Flash」預計今年夏季推出。

主打語音編輯　影片內容可直接對話修改

Google 展示的內容顯示，Gemini Omni 不再只是單純文字生成影片，而是進一步整合語音、多模態理解與場景控制能力。使用者可透過口語指令，即時調整影片中的人物、背景甚至鏡頭內容，朝更自然的 AI 創作流程邁進。

哈薩比斯再談 AGI　稱距離只剩幾年

活動中，哈薩比斯再度提到 AGI（通用人工智慧）發展時程，表示距離真正的 AGI 已「只剩幾年」。這也是他近年多次公開重申的觀點。Google 近來持續加碼多模態 AI 與影片生成技術，從 Gemini、Veo 系列到此次的 Omni，皆顯示其希望建立可理解現實世界、具備長時序推理能力的 AI 模型架構。

不過，目前展示影片雖然流暢，但實際開放使用後的效果仍有待驗證。去年 Veo 發表初期，就曾出現官方展示與一般用戶實測品質落差的情況。