Gemini Omni

Gemini Omni to multimodalny model tworzenia wideo od Google DeepMind, zaprezentowany podczas Google I/O 2026. W odróżnieniu od narzędzi, które tworzą wideo wyłącznie na podstawie tekstu, obsługuje edycję w kilku krokach, w której kolejne poprawki mogą bazować na poprzednim wyniku. Przyjmuje jednocześnie tekst, obrazy, wideo i dźwięk oraz korzysta z wiedzy o świecie przy tworzeniu kontekstowych wyników. Możesz wypróbować go w Nano Banana Pro. Przed rozpoczęciem zaloguj się i sprawdź saldo kredytów oraz koszt wybranego modelu.

Aby skorzystać z Gemini Omni w Nano Banana Pro, zaloguj się, wybierz model i sprawdź dostępne opcje oraz wyświetlony koszt w kredytach. Następnie możesz rozpocząć tworzenie wideo na podstawie poleceń tekstowych, obrazów lub istniejących klipów wideo. Dostępność i koszt zależą od modelu i opcji wybranych na koncie.

Gemini Omni przyjmuje polecenia tekstowe, maksymalnie 7 obrazów referencyjnych, 1 klip wideo (do 100 MB i maksymalnie 30 sekund) oraz dane audio. Możesz łączyć różne rodzaje materiałów w jednej generacji, na przykład użyć obrazu referencyjnego i polecenia tekstowego, by wskazać styl i przebieg akcji wideo. Zaloguj się, by sprawdzić dostępne opcje wybranego modelu i koszt w kredytach.

Edycja za pomocą poleceń pozwala stopniowo dopracowywać wideo. Zacznij od pierwszej generacji, a potem zmieniaj kąt kamery, oświetlenie lub styl, zastępuj obiekty i dodawaj efekty. Kolejne polecenia mogą zachować elementy, o których nie wspominasz, i wprowadzić opisane zmiany. W Nano Banana Pro możesz w ten sposób kierować sceną krok po kroku.

Gemini Omni generuje filmy o długości 4, 6, 8 lub 10 sekund. Obsługuje proporcje 16:9 (poziome), 9:16 (pionowe) i 1:1 (kwadratowe). Możesz ustawić wartość seed, aby uzyskać powtarzalne wyniki w kolejnych generacjach.

Zasady korzystania z wygenerowanych filmów zależą od warunków wybranego modelu i planu. Przed użyciem komercyjnym zapoznaj się z aktualnymi warunkami usługi Nano Banana Pro oraz zasadami dostawcy modelu.

Gemini Omni wyróżnia się edycją w kilku krokach za pomocą kolejnych poleceń, możliwością używania jednocześnie tekstu, obrazu, wideo i dźwięku oraz korzystaniem z wiedzy o świecie przy tworzeniu kontekstowych wyników. Model bazuje na architekturze rozumowania Gemini od Google DeepMind. Dostępne możliwości zależą od konfiguracji wybranego modelu.

Podawaj konkretne wymagania, opisuj styl i zmieniaj po jednej rzeczy w kolejnych iteracjach.