最近试了下 Google 在 I/O 2026 发布的 Gemini Omni Flash ，说下感受。

这个模型最大的不同是可以通过对话来编辑视频。生成一个片段后，你可以直接说"把背景换成海滩"、"放慢镜头"、"加个人在右边"，它会在保留其他内容的基础上只改你说的部分。不用像 Sora 那样每次都重新生成整个片段。

几个关键点：

- 支持多模态输入：文本+图片+音频+视频可以一起喂进去
- 输出 10 秒片段，带同步音频
- YouTube Shorts 免费用，Gemini 应用需要 AI Plus （$7.99/月）
- 开发者 API 还没开放，说是"几周内"
- 所有输出强制带 SynthID 水印

和 Sora 2 比：Sora 角色一致性更好，能生成 25 秒片段； Omni Flash 胜在多模态输入和对话编辑，迭代成本低很多。

限制也不少：10 秒上限、不能编辑语音（防 deepfake ）、文字渲染不太准、复杂运动场景偶尔会崩。

如果想快速体验视频生成，可以看看 [gemini omni]( https://www.veol.ai?utm_source=v2ex) ，支持最高 4K 输出，按量计费从 $0.15 起。

有用过的 V 友吗？感觉对话式编辑这个方向挺对的，但 10 秒限制确实有点短。