谷歌Gemini Omni突然曝光 硬核能力改写AI视频格局

OpenAI的Sora App刚停服不到两周，谷歌全新AI视频模型Gemini Omni就意外流出，相关demo已经刷爆全网。不同于市场对谷歌AI“慢半拍”的刻板印象，这次Gemini Omni直接补上了行业最大的技术短板。AI视频生成的竞争，从来不是比谁先出道，而是比谁先解决真问题。当Sora倒在巨额成本面前，Gemini Omni拿出的解决方案，会不会才是AI视频真正的破局方向？

Gemini Pro使用额度界面 ：显示当前使用86%，周限额使用10%

文本一致性难题 被Gemini捅破了

这次曝光的demo里，最让行业震惊的不是生成视频本身，而是教授在黑板上完整推导数学公式的细节。只用一句英文提示词，Gemini Omni就生成了10秒连贯视频：公式完整正确、推导步骤清晰、粉笔笔迹自然，甚至连教授讲解时的口语节奏都和书写动作匹配。

懂行的人都知道，在AI生成视频里把文字写对，是困扰整个行业多年的“阿喀琉斯之踵”。此前Sora生成的文字，大多是看起来像字实际无法辨认的“鬼画符”，更别说需要严格逻辑的连续数学推导。

这意味着Gemini Omni解决了一个核心问题：AI视频的文本一致性，终于达到了可用级别。

章鱼哥表情包 ：标注SORA和LOSER，调侃Sora停服

这个突破的价值，远不止生成教学视频这么简单。未来如果能把文本一致性拓展到更长时长，我们就能直接用AI生成带完整字幕的科普短片、带产品参数的宣传视频，甚至带精准台词的剧情短片。创作者只需要修改细节，不需要从零开始修正文字错误，生产效率会提升不止一个量级。

从这个demo就能看出，Gemini Omni从一开始就瞄准了创作者的真实痛点，而不是只做让行业惊叹的概念展示。

全模态深度集成 才是真正的杀手锏

比起生成视频的精度，Gemini Omni更可怕的地方在于它的定位：这是一个原生集成进Gemini生态的全模态模型，不是独立的视频生成工具。

从泄露的信息来看，Gemini Omni支持文本、图像、音频、视频全链路输入输出，不仅能从零生成视频，还能直接在对话中编辑已有视频。目前曝光的两个核心功能，直接戳中了所有创作者的刚需：

• 一键去水印：直接通过对话指令去除视频水印，处理后画面毫无破绽
• 精准物体替换：输入指令就能替换视频中指定物体，光影、遮挡关系自动适配

X平台推文截图 ：展示Gemini Omni生成的教授推公式视频

这样的设计，刚好打在了独立AI视频模型的痛点上。此前不管是Sora还是其他模型，大多是独立生成工具，用户需要在多个工具之间切换：写脚本用AI、生成视频用另一个工具、编辑视频还要用第三方软件，整个流程非常割裂。

这里有一个被所有人忽略的增量真相：AI视频的下一个竞争点，不是生成分辨率，而是生态集成度。这是原创增量点，来自反常识因果路径：大家都觉得AI视频要拼生成效果，实际上用户需要的是从创意到成品的全流程一站式解决。

谷歌把Gemini Omni直接放进了Gemini移动端，用户在同一个对话界面就能完成从创意构思、生成视频到编辑修改的全流程，不需要切换工具，这种体验是独立视频模型比不了的。哪怕现在只支持10秒720p视频，对普通创作者来说，实用性已经超过了很多大模型。

动漫风格视频截图 ：展示带蓝色火焰特效的动漫人物面部

Sora停服的真相 成本才是真正的杀手

Gemini Omni曝光的时间点非常微妙，刚好卡在Sora App停服的两周后。很多人说谷歌是“精准卡位”，但在我看来，这不是故意造势，而是行业竞争的必然结果。

我们复盘一下Sora停服的核心数据：Sora推理成本每天高达100万到1500万美元，整个生命周期应用内收入只有210万美元，连一天的算力成本都覆盖不了。峰值100万活跃用户，停服前直接跌到50万以下，30天留存率不到8%。

Sora停止服务须知截图 ：说明Sora网页端、API的停服时间

很多人把Sora的停服归因为OpenAI战略调整，但本质上，Sora从出生就带着一个死结：它做了用户喜欢的效果，但没做出用户用得起的成本。对To C产品来说，再好的技术，如果成本降不下来，最终都是空中楼阁。

行业里有一个默认的误区：都想抢先做出能生成1分钟以上4K视频的模型，却没人先把10秒短视频的成本降到用户用得起的程度。

从泄露的Gemini Omni信息来看，谷歌显然吸取了Sora的教训：先从短时长视频切入，深度集成进现有Gemini生态，把成本控制在可商业化的范围内。泄露信息里提到，早期测试额度消耗很快，说明至少成本结构比Sora健康得多，没有出现一天烧几百万的情况。

X平台推文截图 ：夸赞Gemini Omni的文本连贯性

换个角度想，AI视频赛道现在缺的不是能生成长视频的模型，缺的是能落地商业化、能让普通创作者低成本使用的产品。从这一点来看，Gemini Omni的路径反而更贴近真实的市场需求。

谷歌AI全线押注 这次真要变天了

这次泄露不止Gemini Omni，谷歌几乎全线Gemini模型都被推送到了生产环境API：Gemini 3 Flash、3.1全系列、专注高保真音频的Lyria 3 Pro，甚至还给所有核心模型准备了专门的Agent版本。再加上已经实锤的Aluminium OS系统级Gemini整合，谷歌这波是把所有筹码都压在了原生全模态AI上。

第二个原创增量点，来自被忽视的角色路径：这次AI视频的竞争，表面是谷歌和OpenAI的模型PK，实际背后是安卓生态系统级AI的整体推进，Gemini Omni只是其中的一个落子。

现在谷歌的路径越来越清晰了：从移动端App到桌面系统，从文本生成到视频生成，把Gemini做成全场景、全模态的原生AI入口，而不是一个个独立的工具。当苹果在iOS里把AI做成逐个应用的功能，谷歌直接把AI做成了系统级的全局入口，两种路线的对撞已经越来越明显。

5月19日谷歌I/O大会开幕，Gemini Omni几乎肯定会登上主舞台。我们现在讨论这个模型，不能只看它生成视频有多丝滑，更要看到整个AI视频行业的方向已经变了。

第三个原创增量点，来自时间尺度重构路径：AI视频的元年不是Sora发布的2024，而是成本落地的2026。Sora打开了行业的想象空间，而Gemini Omni这类产品才会真正把想象空间变成普通创作者能用的工具。

很多人觉得，AI视频的终极目标是生成媲美电影的长视频。但对整个行业来说，先让千万普通创作者能用低成本生成、编辑合格的短视频，才是现阶段更有价值的突破。毕竟，改变行业的从来不是第一个概念，而是第一个能规模化落地的产品。

当Sora成为过去，Gemini接过了AI视频的接力棒。这场竞赛才刚刚开始，你觉得，谷歌这次能赢吗？