Google Omni：任意输入到任意输出的AI模型实测
“Google’s new anything-to-anything AI model is wild”
1248 字
预计 5 分钟
中文摘要
Google发布Omni Flash模型，号称能实现任意输入到任意输出（照片、视频、文本互转），目前先聚焦视频生成。作者用孩子的毛绒玩具Buddy和自己做深度伪造测试。Omni相比Veo 3有改进：支持上传视频作为输入、角色一致性更好、文本编辑指令更有效。但结果参差不齐：部分视频很逼真，但仍有AI跳吓（如物体突然变形）、角色不一致（如Buddy时而有角时而没有）、编辑指令有时适得其反。作者用自拍视频生成自己吃意面、坐飞机、在埃菲尔铁塔前吃法棍的假视频，效果惊人——丈夫看了吃意面视频后完全没认出是AI，仅因碗不熟悉起疑。其他假视频足以在社交媒体上骗人。但成本不低：20美元/月的AI Pro计划含1000积分，生成一个视频15-40积分，一次编辑40积分，作者生成约20个视频后只剩145积分。作者感叹AI视频生成进步迅速，但离“电影级杰作”还有距离，目前处于恐怖谷深处。
核心论点
- Omni Flash模型支持视频+文本作为输入，生成更一致的角色和场景。
- AI视频生成工具进步显著，但仍有明显缺陷，如物体变形、角色不一致。
- 深度伪造视频逼真度极高，足以欺骗熟悉的人，引发对虚假信息传播的担忧。
- 使用成本较高，20美元/月的订阅计划仅能生成约20个视频，限制实际应用。
- AI视频生成仍处于恐怖谷阶段，离Google宣传的“电影级”效果有差距。
反方视角 / 盲点
- 文章未讨论Omni模型在开发者工具或API层面的可用性，对技术团队集成AI视频功能缺乏参考。
- 未涉及Google的AI安全措施或内容审核机制，深度伪造风险仅点到为止。
- 未与其他AI视频工具（如Runway、Pika）进行横向对比，难以评估Omni的相对优势。
对科技从业者的启示
- 对SaaS产品启发：AI视频生成成本高（20美元/月仅20个视频），意味着面向个人用户的订阅制可能难盈利，但面向企业的按需付费或积分制有空间
- 对浏览器扩展启发：可以考虑开发浏览器内AI视频编辑插件，利用Omni API（如果开放）提供快速生成短视频的功能，瞄准社交媒体内容创作者
- 对桌面应用启发：本地+云端混合方案，将AI视频生成作为增值功能，但需注意成本控制和用户体验（避免多次编辑消耗积分）