最近試了下 Google 在 I/O 2026 發佈的 Gemini Omni Flash ，說下感受。

這個模型最大的不同是可以通過對話來編輯視頻。生成一個片段後，你可以直接說"把背景換成海灘"、"放慢鏡頭"、"加個人在右邊"，它會在保留其他內容的基礎上只改你說的部分。不用像 Sora 那樣每次都重新生成整個片段。

幾個關鍵點：

- 支持多模態輸入：文本+圖片+音頻+視頻可以一起喂進去
- 輸出 10 秒片段，帶同步音頻
- YouTube Shorts 免費用，Gemini 應用需要 AI Plus （$7.99/月）
- 開發者 API 還沒開放，說是"幾周內"
- 所有輸出強制帶 SynthID 水印

和 Sora 2 比：Sora 角色一致性更好，能生成 25 秒片段； Omni Flash 勝在多模態輸入和對話編輯，迭代成本低很多。

限制也不少：10 秒上限、不能編輯語音（防 deepfake ）、文字渲染不太準、複雜運動場景偶爾會崩。

如果想快速體驗視頻生成，可以看看 [gemini omni]( https://www.veol.ai?utm_source=v2ex) ，支持最高 4K 輸出，按量計費從 $0.15 起。

有用過的 V 友嗎？感覺對話式編輯這個方向挺對的，但 10 秒限制確實有點短。