過去一年用 AI 生影片，最讓人洩氣的不是畫面不好看，是「不滿意就只能重來」。改一個鏡位、把白天換成傍晚，你只能重新下一次指令、重抽一次，然後人臉變了、場景也變了。Google 8 月 7 日公開的 Gemini Omni 想解決的就是這件事：把生影片從「抽獎」變成「對話」——講一句就改一次，而且改完還是同一個畫面。
這是誰講的？Google 官方 8 月 7 日的第一手發布
消息來源是 Google 官方部落格 The Keyword，2026 年 8 月 7 日那篇〈See what 5 builders are making with Gemini Omni〉，內容是五組創作者拿 Gemini Omni 實測的成果。模型本身的規格則在 Google DeepMind 的官方模型頁上，一句話定位講得很白：
「Create anything from anything, starting with video.」（從任何東西創造任何東西，先從影片開始。）
官方對它的描述是「讓製作和編輯影片，簡單得像在講話一樣」。輸入可以是文字、圖片、影片或聲音，輸出是影片；重點不在「能生」，在「能一直改」。
問題出在哪：以前的 AI 影片是「一次性商品」
你可以想像成點一杯手搖飲。以前的 AI 生影片，是你講完「大杯少冰半糖」，店員直接做一杯給你，你說「冰再少一點」，他不是調整那一杯，是重做一杯——連杯型、甜度都可能跟上一杯不一樣。做十次，你手上有十杯不同的飲料，卻沒有一杯是你要的那杯。
Gemini Omni 主打的三件事，就是在補這個洞。
- 多輪編輯：改完再改，一輪一輪疊上去，不用整支重生。
- 一致性：官方強調多次修改之間會維持同一個畫面的連貫，不會改一次換一張臉。
- 物理理解：官方文件寫得很具體——重力、動能、流體力學。所以東西掉下來會照現實掉，水會照現實流。
另外還有幾項寫在官方能力清單裡：把動作和風格從一支影片轉移到另一支、用一張圖直接替換畫面裡的角色或物件、把素描變成寫實影像、讓字幕文字跟畫面動作對得上。
官方展示的玩法：五組創作者實際做了什麼
那篇部落格挑了五組創作者的實測，我整理成「你聽得懂、也能照抄」的版本。
1. 換鏡位：一個畫面，切出約 20 種角度
第一位創作者拿一段「女生走在城市裡」的影片，用指令把鏡頭換了大約 20 種視角——特寫、遠景、俯視、仰視都有。等於一支素材當 20 支用。以前這叫「多機位拍攝」，要多台相機、多顆鏡頭、多跑幾趟。
2. 換環境：白天變夜晚、樹葉變橘、蓋上積雪
第二位是用「講的」去換戶外場景的天氣與時間：加上雲層、把葉子變成橘色、讓地面覆蓋積雪。這一項對做教材或商品情境影片的人最有感——同一個場景，一次生出四季版本。
3. 塗鴉指路：檸檬變潛水艇、咖啡變熱氣球
第三位的做法最好玩：直接在畫面上塗鴉，告訴 AI 這個東西要怎麼動。他把檸檬畫成潛水艇、把咖啡畫成熱氣球，AI 就照著那個塗鴉把物件變成寫實影像。這是「用畫的下指令」，比打字精準——你不用形容「我要它從左邊游過去」，畫一條線就好。
4. 換風格：真人影片轉動畫、轉黏土動畫
第四位把同一段女生走路的影片，轉成四種動畫風格，包含黏土動畫那種質感。同一則訊息，要給不同族群看的時候，換皮不換骨。
5. 概念視覺化：把抽象的東西變成看得懂的畫面
第五組是一個團隊，做的是把抽象概念影像化——景觀設計的「改造前 vs 改造後」對照、把數據變成有角色的畫面、把待辦清單做成遊戲化的樣子。這一類最接近簡報和教材的用途。
在哪裡用得到？官方列的入口比想像多
Gemini Omni 不是只綁在一個 App 裡。官方模型頁列出的入口包含：
- Gemini App——一般人最直接的入口
- Google Flow——Google 的 AI 影像創作工具
- YouTube Shorts——直接在短影音端用
- Google Vids——Workspace 裡做影片簡報的那個
- Google AI Studio / Gemini API——想自己接程式的走這裡
- Google Enterprise Agent Platform——企業端
另外官方也提到 Picsart、Artlist、Stan、FLORA 等合作夥伴的整合。對一般使用者來說，實務上會先碰到的是 Gemini App、YouTube Shorts 跟 Google Vids 這三個。
我自己怎麼用：一支母片，改出多個版本
我做教育訓練，一年要產出的短影音教材不少，最花時間的從來不是「拍」，是「改」。同一支流程說明，要給不同對象看，就得重做旁白、重換情境、重新輸出一次。
7 月底我試過一次「讓 AI 幫我剪」的完整流程：我不喜歡預設字體，就直接問它 YouTube 常用什麼字體，再請它下載、套用，整支旅遊影片就剪出了一個版本，過程幾乎不需要我親手操作。那次的心得是——AI 剪片現在還不算完全成熟，但只要給它對的工具、或請它自己去找工具，它就能開始幫你做。
另一次做教學影片，我是用 Gemini 生情境畫面跟背景音樂，旁白用 Google AI Studio 的文字轉語音配。以臺灣中文來說，AI Studio 的聲音目前是我聽過最自然的，還能加語氣和抑揚頓挫，再結合真實的操作畫面剪在一起，成品比我自己配音那版還穩。
把 Gemini Omni 這一手接上去，我最想試的是這件事：一支教材母片，用講的改成多個版本。同一段情境，換成門市版、換成企業內訓版、換成給完全沒基礎的長輩看的版本——不用重拍，也不用重生，只要換講法。這對做教材的人來說，是省下的不是特效，是重來的時間。
先別衝：動手前要知道的三件事
- 要付費、而且看地區：官方頁面明講需要 Google AI 訂閱，功能會依方案等級與地區而不同。台灣看得到什麼，實際登入才準。
- 生成內容都有記號：Google 說產出的內容會嵌入 SynthID 這種肉眼看不到的數位浮水印，並整合 C2PA 內容憑證，可以在 Gemini App 裡驗證，之後會擴到 Chrome 和搜尋。這代表你拿 AI 生的畫面去當「真實素材」，是驗得出來的——做教材、做商用內容，該標就標。
- 那些「領先」是官方自評：官方說在 504 個以上的例子、由人工評分的內部測試中，Gemini Omni Flash 在影片編輯的指令遵循、文字生影片的整體偏好度上領先，圖片生影片則是打平。要注意這是 Google 自家做的評測，不是第三方公正機構的結果，參考就好。
小結
Gemini Omni 真正的重點只有一句：AI 影片從「重生」變成「重講」。以前是抽到滿意為止，現在是講到滿意為止。這兩件事對做內容的人來說，差的是幾個小時。
如果你手上已經有一支不太滿意的影片，別急著重做。先想清楚你要改的是鏡位、環境、風格，還是裡面某一個物件，然後一次講一件事、一輪改一件事——這才是這種對話式編輯真正的用法。
本文整理改寫自 Google 官方部落格 The Keyword 2026 年 8 月 7 日〈See what 5 builders are making with Gemini Omni〉，以及 Google DeepMind 官方 Gemini Omni 模型頁（deepmind.google/models/gemini-omni）。功能、平台與限制以官方公告為準。
留言
張貼留言