Google Gemini Omni 是什麼？創作者該如何因應

Google 最近發表的新一代多模態 AI 模型 「Gemini Omni」，在 AI 業界引起高度關注。
原因在於它不只是擴充圖片生成功能，而是公開了一套能同時理解文字、圖片、音訊、影片，並生成單一成果的架構。

Google 也說明，這次的 Gemini Omni 目標是打造「接收任何輸入、生成任何內容」的系統。另一個值得注意的地方是，它和過去的生成式 AI 不同，主打的是「消費者工具」定位。

最重要的是，它預計會直接和 YouTube Shorts 串接，未來很可能對短影音內容市場帶來相當大的影響。

以下整理 Gemini Omni 的核心功能、和既有 AI 的差異、YouTube Shorts 與內容市場的變化，以及創作者接下來該準備的策略。

Gemini Omni 的核心功能

1. 以多模態輸入生成影片

這次發表的Gemini Omni 最大的特色，就是「多模態（Multimodal）」架構。也就是說，它不只能理解文字，還能把

✔ 文字
✔ 圖片
✔ 影片
✔ 音訊

同時當作輸入，生成單一的成果。

過去的影片生成 AI，大多是「文字 → 影片」或「圖片 → 影片」的方式。像 Google 原本的 Veo，也是以文字和圖片為基礎生成影片。

而 Gemini Omni 又往前跨了一步。

它不只是把多種輸入拼貼在一起，而是展現了
✔ 理解輸入之間的脈絡
✔ 推論彼此的關聯
✔ 生成一段自然流暢的影片
這樣的架構。

例如：
✔ 同時輸入照片＋語音＋草圖
✔ 在既有的影片片段裡加入新場景
✔ 生成搭配旁白的說明影片

這些都變得可行了。

尤其這個模型不只是單純合成，關鍵在於 Gemini 原本在物理、歷史、文化、科學等方面的推理能力，和影片生成結合在一起。

換句話說，它已經從「做出看起來像樣的影片的 AI」，開始朝「理解脈絡、延續故事的 AI」發展。

Google 也強調，在反覆修改的過程中，它仍能維持：
✔ 角色一致性
✔ 鏡頭方向
✔ 場景連貫性
✔ 物理上的自然感

2. 用自然語言剪輯影片

此外，用自然語言剪輯影片的功能也備受矚目。

例如輸入：
✔ 「把背景換成外太空」
✔ 「把燈光調暗一點」
✔ 「再加一個角色」

這類要求，AI 就會依此修改影片，就像是在影片上實現 Nano Banana 在圖片上做到的功能。

影片剪輯正朝著不需要複雜剪輯軟體、像聊天一樣就能完成的方向發展，只要一段簡單的提示詞，就能立即算繪出帶旁白的影片。

YouTube Shorts 和內容市場會怎麼改變？

這次發表中最受熱議的，就是Gemini Omni 預計會直接整合進 YouTube Shorts。

也就是說，AI 影片生成不再是外部工具，而是開始變成平台內建的功能。

Google 表示會優先導入
✔ Gemini App
✔ Google Flow
✔ YouTube Shorts

這代表未來短影音的製作方式本身，很可能會出現巨大改變。

尤其對廣告與行銷市場的影響力，看起來也會相當大。

Google 強調這個模型的文字算繪品質大幅提升，代表廣告標語、產品名稱、品牌文案等文字的呈現準確度變得更高。

因此未來在
✔ 品牌廣告
✔ 短影音行銷影片
✔ 說明型內容
✔ AI 虛擬分身影片

等各種領域，應用的可能性都越來越大。

實際上，Google 也展示了只要一段簡短提示詞，就能自動生成
✔ 科學說明影片
✔ 科技簡報
✔ 教育內容
✔ 以語音為主的說明影片

等內容。

另一個有趣的部分是數位分身功能。

使用者可以透過 QR Code 掃描臉部和聲音，經過簡短的擷取流程，就能建立自己的 AI 分身。

之後就能以
✔ 本人的外貌
✔ 聲音
✔ 說話方式

為基礎，反覆製作影片。

也就是說，未來就算不親自拍攝，也能靠 AI 分身持續製作短影音內容。

創作者與品牌接下來該準備的策略

Gemini Omni 推出後，最有可能大幅改變的，就是「製作門檻」。

未來，影片生成、字幕生成、語音生成、影片剪輯、Shorts 製作這些工作本身，很可能都會由 AI 更快速地完成。換句話說，單純剪輯技術的門檻可能會持續降低。

尤其在短影音市場，靠 AI 大量產出內容很可能會變得容易許多。
這也代表單純的資訊型內容，品質大多會越來越相近，競爭也很可能更加激烈。

最後，未來像這些元素：
✔ 理解人性心理的企劃力
✔ 設計情緒的故事架構
✔ 讓人忍不住點開的開場鉤子
✔ 引導收藏與分享的亮點

很可能會成為更強大的競爭力。

未來的內容市場，比起「誰做得更好」，很可能會轉向「誰更能讓觀眾沉浸」的競爭。

身為創作者，把重複性的製作工作交給 AI 工具和自動化系統，把心力集中在企劃、故事與情緒設計上的時代，很可能已經離我們不遠了。