谷歌 Gemini Omni 实测：生成视频效果好坏参半，换脸逼真或能骗过身边人！

一切始于一个新的生成式模型家族Omni 是新的生成式模型家族据说有朝一日能将照片、视频、文本等任何形式输入转化为其他形式。目前主要用于生成视频。Omni Flash 是谷歌发布的首个此类模型可在该公司的 AI 视频生成和编辑平台 Flow 中使用。也可继续用之前的模型 Veo但 Omni 在几个方面对 Veo 进行了改进。使用 Omni 时可上传视频并结合文本提示作为 AI 创作起点。谷歌称 Omni 制作视频时融入更多现实世界知识能更好保持角色一致性。为验证说法让 AI 巴迪开启另一段冒险。实测结果好坏参半令人困惑结果好坏参半有些效果非常好比五个月前测试 Veo 时更符合提示角色更连贯。但最佳片段仍有 AI 带来的惊悚瞬间如巴迪跳伞时突然改变方向。在另一个视频中给 Omni 创作自由让其制作巴迪度假视频视频里巴迪装了罐蜂蜜后来拿蜂蜜像拿防晒霜还把蜂蜜挤到蹄子上。不过蜂蜜在视频里不断变化最后一帧像胡乱拼凑。编辑效果有进步但仍不理想可用基于文本的提示对视频进行编辑谷歌在这方面有进步使用 Omni 编辑比测试 Veo 3 时效果好。但 Veo 编辑效果差每次想修改内容都觉得重新生成新视频更容易。Omni 会接受编辑指令但结果不总是理想。如让突出巴迪面部反应效果奇怪给巴迪加鹿角要求去掉一幕中的鹿角后其他场景又都加上了。成本问题生成编辑消耗大生成视频需消耗积分根据场景长度和起始“素材”不同消耗积分在 15 到 40 分之间一轮编辑需 40 积分。有每月 20 美元的 AI Pro 套餐每月有 1000 积分。生成约 20 个片段并编辑后积分只剩 145 分。若对视频有具体想法可能需和模型大量成本高昂的反复调整才能得到接近设想的视频。换脸视频逼真但有瑕疵Omni 能将 AI 生成内容添加到真实视频中以自拍视频为基础让 Omni 生成吃意大利面、坐飞机、站在埃菲尔铁塔前咬法棍面包的视频。换脸视频有 AI 痕迹像叉子碰面碗声音假飞机视频背景女人出现两次。但除小瑕疵和怪异感视频逼真得要命。给丈夫看吃意大利面视频他以为是真的唯一觉得不对劲的是碗看着陌生。其他换脸视频也有不同程度“足以在社交媒体上骗过别人”的效果部分埃菲尔铁塔视频片段逼真需反复看才能发现是 AI 生成。新鲜感渐退从震惊到平淡测试 Veo 3 时其逼真效果让人震惊过去几年惊叹于制作假人假照片容易。或许也该对 Omni 感到震惊但新鲜感已渐渐消退。本文中的所有图片和视频均由谷歌 Gemini 生成。