A Google Gemini Omni multimodális modellcsaládja elérhetővé vált a Google I/O 2026 rendezvényen, az első kiadás – a Gemini Omni Flash – azonnal elérhető a fizetett előfizetők és a YouTube alkotói számára ingyenesen. A vállalat úgy írja le, mint egy olyan modellt, amely bármit képes létrehozni bármilyen bemenetből, bár a mai verzió kizárólag videó generálásra és szerkesztésre korlátozódik. A hang és beszéd módosításának képességei szerepelnek az útvonaltervben, de a Google AI azt mondja, hogy még teszteli, hogyan lehet ezeket a funkciókat felelősségteljesen eljuttatni a felhasználókhoz.
A Gemini Omni Flash videó létrehozása jelenleg mit kínál
A modell elérhető a Gemini alkalmazáson, a Google Flow-n és a YouTube Shorts és YouTube Create App-on keresztül – az utóbbi kettő ingyenesen, így ez az egyik legszélesebb körű ingyenes AI videó eszköz bevezetése. A Google AI Plus, Pro és Ultra előfizetők teljes hozzáférést kapnak a Gemini ökoszisztémán belül.
A Google DeepMind vezérigazgatója, Demis Hassabis jelentette be a modellt, és úgy jellemezte, mint egy egységes működési réteget a szöveg, hang, kép és nagy pontosságú videó között. A Google DeepMind termékmenedzsment igazgatója, Nicole Brichtova a kiadást a Google meglévő Veo videó modelljének frissítésénél többnek nevezte – a Gemini intelligenciájának és a vállalat renderelési képességeinek kombinálása felé tett következő lépésnek.
A vállalat weboldalán az Omni-t a Nano Banana – a kép generálási modell, amely a Gemini okoskodását hozta a statikus kép létrehozásába és szerkesztésébe – videó megfelelőjeként pozicionálja. A vállalat azt állítja, hogy az Omni a Gemini ismereteire támaszkodva kapcsolja össze a nyelvet, képet és jelentést olyan módon, amely állítása szerint túlmutat a mintaillesztésen.
A modell 24FPS sebességgel ad ki videót, 10 másodperc hosszúságú klipekkel és 9 képkocka bemeneti elemenként. A Google közzétett egy bemutató klipet – Videó 22 – és egy Audio 3 mintát a kimeneti minőség illusztrálására. A vállalat bemutatta a következetességet is azáltal, hogy az ábécé mind a 26 betűjének videó reprezentációját generálta – ez egy gyakorlati tesztje a modell pontosságának és koherenciájának egy teljes szimbólumkészleten.
Konkrét képességek és a Google által elismert korlátok
A Google azt állítja, hogy a felhasználók létező felvételeket vehetnek és utasíthatják az Omni-t, hogy változtassa meg a jelenetben történteket egyszerű nyelvi beszélgetésen keresztül. A vállalat úgy fogalmazza meg, hogy vegyen egy videót, amelyet Ön készített, és kérje az Omni-t, hogy változtassa meg a cselekményt – az eredeti felvételt olyasmivé alakítva, amit a felhasználó soha nem tudott volna maga leforgatni. Ez a beszélgetési szerkesztési megközelítés strukturálisan különbözik az idővonal-alapú eszközöktől, amelyek manuális klipek manipulálását igénylik.
A modell azt is állítja, hogy jobb fizikai szimulációval rendelkezik. A Google azt állítja, hogy az Omni jobb intuitív megértéssel bír olyan erőkről, mint a gravitáció, kinetikus energia és folyadékdinamika – lehetővé téve, hogy a generált jelenetek hihetőbbek legyenek, amikor tárgyak esnek, ütköznek vagy folyadékon haladnak keresztül. Ez egyenes válasz egy tartós panaszra az AI videóval kapcsolatban: hogy nem felel meg az alapvető fizikai realizmusnak.
A Avatárok funkció lehetővé teszi a felhasználók számára, hogy digitális másolatot készítsenek magukról a generált tartalomhoz. Minden AI által generált kimenet vízjelezett a SynthID segítségével, a Google digitális azonosító rendszerével az AI által létrehozott médiára; a vállalat közzétette szélesebb körű megközelítését az AI tartalom címkézésére vonatkozóan egy dedikált bejegyzésben a felelős AI média azonosításról.
A jelenlegi kiadásban a hang a hiányosság. A Google AI elismeri, hogy még mindig dolgozik azon, hogy megértsék, hogyan engedjék meg a felhasználóknak a hang és beszéd módosítását a videókban felelősségteljesen. Ez azt jelenti, hogy egy alkotó jelenleg nem tudja használni az Omni-t arra, hogy megváltoztassa, mit mond valaki egy klipben – ez a korlátozás jelentősen szűkíti, mit jelent jelenleg a ‘szerkesszen bármit’ a gyakorlatban.
Amivel a Google igazán versenyez – és amire épít
Az Omni indítása egy szélesebb körű Gemini alkalmazás átalakítás részeként történik, amelyet a Google arra irányuló törekvésének keretében értelmeznek, hogy az asszisztenst mindenre kiterjedő AI központtá tegye, a ChatGPT és Claude implicit benchmarkjaival. Az Omni része ennek az újrapozicionálásnak, egy új ‘Napi tájékoztató’ funkcióval együtt, amely rangsorolja a feladatokat és javaslatokat tesz a következő lépésekre, és egy személyes AI ügynököt Gemini Spark néven.
A kreatív eszközök oldalán a Google Flow dedikált mobilalkalmazásokat kap – először Androidon indul videó szerkesztéshez (béta), majd iOS-en követi. A Flow Music fordított megközelítést alkalmaz: először iOS, majd Android. Mindkettőt útközbeni létrehozásra tervezték, nem pedig asztali munkafolyamatokra, és a Flow Music az Omni-t fogja használni zenei videók generálására felhasználó által vezérelt stílusirányítással.
A Google Genie modelljével ellentétben – amely továbbra is az AI Ultra előfizetés mögött van elzárva – az Omni Flash széles körű terjesztésre van pozicionálva, beleértve az ingyenes hozzáférést a YouTube-on. Ez az árképzési stratégia arra utal, hogy a Google kevésbé érdeklődik az Omni iránt, mint prémium feláras termék, és inkább arra összpontosít, hogy beépítse olyan platformokba, ahol már most is több száz millió felhasználó hoz létre tartalmat. A Google vezérigazgatója, Sundar Pichai leírta a hosszú távú célt, mint egyetlen neurális hálózatot, amelyet minden médiaformátumon betanítottak, és bármelyikben képes kimenetet generálni – ez egy olyan vízió, amelyen a vállalat a Gemini eredeti indulása óta három éve dolgozik. A most elindított teljes körű tartalom katalogizálva van a Google I/O 2026 fejlesztői gyűjteményében.
Mit kell figyelni, ahogy a modell érik
A hang szerkesztésének hiánya a legközvetlenebb kérdés. A Google nem adott időkeretet arra, hogy mikor lesznek képesek a felhasználók módosítani a beszédet vagy hangot a videókban, és a vállalat óvatos megfogalmazása – tesztelés és a felelős bevezetés jobb megértése – arra utal, hogy ez a funkció nem közeli. Az, hogy a Google hogyan kezeli ezt a kiadást, meghatározza, hogy az Omni teljesíteni tudja-e ‘bármit létrehozni’ ígéretét.
További kérdések maradnak a fogyasztói tartalom létrehozásán kívüli iparágakban történő bevezetésről: a reklám, oktatás, jogi dokumentáció és hírmédia különböző kockázatokat hordoznak az AI által generált videó számára. A SynthID vízjelrendszer foglalkozik az azonosítással, de a platform szintű végrehajtási politikák még mindig formálódnak.
Ami világos, hogy a Gemini Omni Flash videó létrehozása élő, működőképes és széles körben hozzáférhető – de a ma szállított verzió szűkebb eszköz, mint amire a keret utal. A fennmaradó hiányosságok, különösen a hang terén, valódi próbája annak, hogy az architektúra végül megfelel-e a névnek.
GYIK – Gyakran Ismételt Kérdések
Hogyan fogja a Google biztosítani, hogy a felhasználók ne éljenek vissza az Avatárok funkcióval mély hamisítványok létrehozására?
A Google többrétegű megközelítést alkalmaz az Avatárok funkcióval való visszaélések felderítésére és megakadályozására, beleértve a fejlett AI-alapú monitorozást és felhasználói bejelentési mechanizmusokat. Ezenkívül a vállalat egyértelmű irányelveket és szolgáltatási feltételeket állapít meg a felhasználók számára, akik avatar-alapú tartalmat hoznak létre és osztanak meg.
Lesz-e a Gemini Omni Flash elérhető más platformokon a YouTube Shorts és YouTube Create App mellett?
Igen, a Google azt tervezi, hogy a Gemini Omni Flash-t más platformokra is kiterjeszti, beleértve a harmadik féltől származó videó szerkesztő alkalmazásokat és közösségi média szolgáltatásokat API integrációkon és partnerségeken keresztül. A vállalat jelenleg több jelentős videó tartalom létrehozóval és disztribútorral tárgyal, hogy az Omni Flash-t elhozza platformjaikra.
Milyen támogatást fog nyújtani a Google azoknak az alkotóknak, akiknek segítségre van szükségük a Gemini Omni Flash fejlett funkcióinak használatához?
A Google számos támogatási forrást fog nyújtani, beleértve az online oktatóanyagokat, közösségi fórumokat és dedikált támogatási csapatokat a Google AI Plus előfizetők számára. Az alkotók hozzáférhetnek majd egy tudásbázishoz és hibaelhárítási útmutatókhoz is, hogy a legtöbbet hozzák ki az Omni Flash-ból.
Last Updated on május 21, 2026 6:54 du. by Laszlo Szabo / NowadAIs | Published on május 21, 2026 by Laszlo Szabo / NowadAIs
