Google DeepMind正式发布多模态视频生成模型Gemini Omni Flash，现已在Google AI Studio 与Gemini API开启公开预览，面向全球开发者开放调用；同期配套推出极速图像生成模型 Nano Banana 2 Lite，打通“文生图转视频”完整创作链路，补齐谷歌生成式视频赛道布局。
Gemini Omni Flash主打对话式智能视频编辑，支持文本、图片、短视频混合输入，可依托 Gemini内置海量文史、自然科学知识丰富视频内容，还能将文字、图形与画面动态效果联动，全程自然语言交互修改，保障画面场景连贯。收费标准为每生成1秒视频0.1美元，与竞品Veo 3.1 Fast定价持平。现阶段模型单次最长仅支持生成10秒短视频，长视频功能将后续更新上线。
该模型当前存在多处功能限制：暂不支持上传音频素材、延长原有视频片段；虽API标注可读取3秒参考短片，但实际无法正常解析；画面切换、镜头平移场景下，人物形象容易出现崩坏，角色一致性难以稳定维持。安全层面，所有由Omni Flash产出的视频会自动嵌入 SynthID数字水印，用户可通过Gemini应用、Chrome浏览器、谷歌搜索核验内容是否为AI生成。
同步发布的Nano Banana 2 Lite是轻量化文生图模型，仅需4秒即可完成图片生成。开发者可通过Interactions API将两款模型联动使用：先用Nano Banana 2 Lite产出图像素材，再导入Omni Flash转化为动态视频，支持保留会话记录、连续最多三轮迭代编辑，大幅降低短视频批量创作门槛。
综合实测数据对比，Gemini Omni Flash在对话指令遵循、整体画面观感两项指标上，优于 Kling v3 Pro、Seedance 2.0、Wan 2.7等主流国产视频生成模型，在海外开发者群体具备较强竞争力。谷歌表示，后续将持续扩充模型时长上限、完善视频参考、音频导入等缺失功能，进一步提升多模态视频创作能力。
