Google 的多模态创作模型，将 Gemini 的推理能力与媒体生成能力相结合。用自然语言通过文本、图片、视频或音频生成和编辑视频，每次修改都可以接着上一步继续。试试 Nano Banana Pro 。
集多模态输入、对话式编辑、风格转换和现实世界知识于一体
用自然语言多轮对话编辑视频，每次修改都可以接续上一步
Gemini Omni 支持通过自然语言指令逐步调整视频。你可以更换背景、调整动作、替换物体、改变镜头角度或添加视觉效果，并尝试保留未提及的部分。按步骤迭代，逐渐接近想要的画面，就像修改文档一样。
分多轮编辑，调整摄像机角度，同时尽量保持场景连贯
示例展示如何在连续修改时尽量维持场景连贯。
先生成一个人在房间里的场景，再把光线调整为黄昏暖光，最后为窗户添加雨滴；每次修改都接续前一步。
通过依次调整环境，逐步完善画面。
尝试将视频转为金属、素描、布偶、全息影像、体素艺术等风格
Gemini Omni 可尝试改变输入视频的视觉风格，同时保留原有动作、结构和场景构图。描述想要的效果，例如金属表面、手绘素描、毛毡布偶、全息投影或体素艺术，模型会尝试将风格应用到画面中。生成结果可能与原素材有所不同。
人物触碰镜子时，让镜面像液体一样泛起涟漪，同时将人物的手臂变成镜面般的反光材质。
示例通过金属质感改变画面风格，并尝试保留原有动作。
人物触碰镜子时，让整个环境变成带有方块几何形状的 3D 体素艺术。
示例展示将整个环境转换为体素艺术，同时尝试保留空间结构。
在一次生成中，将文本、图片、视频和音频作为创作参考。
Gemini Omni 可同时处理多种输入类型，包括文本指引、图片参考、视频动作参考，以及用于语音或声音同步的音频。它会尝试将这些素材整合为一段视频。实际支持的输入类型取决于所选模式；例如，你可以结合分镜草图、参考片段、录音和文字描述来构思画面。
让竖琴声与我触碰每片蕨叶的时刻同步。将叶片改成会发光的植物，并加入飞舞的萤火虫。
结合视频、文字指令和音频参考，尝试生成同步效果。
结合科学知识，以黏土动画风格呈现蛋白质折叠过程，并尝试表现分子运动。
示例将科学主题与创意视觉风格结合，用于科学可视化。
Gemini Omni FAQ
