什么是Omni Flash？功能、访问权限与开发者指南

嗨，我是 Dora。我在 I/O 2026 当天上午花时间阅读了发布博文和定价页面，然后打开 Gemini 应用，看看哪些功能已经真正上线，哪些还标着”即将推出”。这篇文章是我的整理笔记——供正在评估 Omni Flash 是否会影响其技术管线的开发者和产品团队参考。

先说结论：该模型今天已在消费端正式上线。开发者 API 尚未开放。这个差距比演示视频更值得关注。

Omni Flash 到底是什么（Google 首个 Omni 系列模型）

具体来说，Omni Flash 是什么？Gemini Omni Flash 是 Google 新 Omni 家族中的首个模型，于 2026 年 5 月 19 日在 I/O 大会上发布。Google DeepMind 将其定位为”从任意输入创作任何内容——从视频开始”。“从视频开始”这几个字很重要——长期路线图涵盖任意模态之间的路由，但今天正式发布的是多模态输入生成视频输出。图像和音频输出已列入公开路线图，但尚未上线。

在 Gemini Omni 路线图中的定位

Omni 被定位为一个系列，而非单一模型。Flash 是面向消费者的第一步。Google DeepMind 已确认将推出更高级别的 Omni Pro，但尚未公布发布日期——Nicole Brichtova 告诉 TechCrunch，Pro 将在”我们认为相比 Flash 有阶跃式提升时”推出。这意味着：近期不会有。

为什么 Google 将其描述为”视频版 Nano Banana”

Nano Banana——Google 于 2025 年推出的图像生成/编辑模型——为 Omni 在视频领域的定位树立了模板：对话式编辑、跨迭代的身份一致性、对非技术用户的低摩擦体验。官方 Google 博客关于 Omni 的介绍明确梳理了这一传承关系。在架构层面，Google DeepMind Omni Flash 在单次前向传播中跨模态推理，而非在专用子系统间中继。相比 Veo 加音频管线的方案，这是否能带来实质性更好的输出效果，还有待观察。演示视频是精选的，真实工作流不是。

发布时已确认的能力

以下是今天产品中已确认的 Omni Flash 能力，而非预告内容。

多模态输入（文本、图像、视频、音频）

你可以在单个提示词中任意组合这些输入。模型将其视为统一的场景描述，而非拼接素材。这是本次发布中最清晰的部分——也是它与 Veo 文本转视频管线的核心区别。

最长 10 秒的原生音频视频输出

片段上限为 10 秒。Brichtova 表示这是部署决策，而非模型上限——是在访问量扩大期间控制算力需求的方式。音频与视频同步生成，而非后期叠加。Google CTO Koray Kavukcuoglu 向记者展示的弹珠演示，自动产生了撞击声和铃声。值得注意的是：独立测试者向 TechTimes 反映，原始生成质量可能落后于字节跳动的 Seedance 2.0 和阿里巴巴的 Wan 2.7，尽管编辑层可能更强。

通过自然语言进行对话式编辑

每条指令都在上一条的基础上叠加。“把雕塑变成泡泡做的”——执行后状态保留，下一条指令基于新状态操作。这是工作流层面的变革，也是最有可能在实际生产中节省时间的部分：更少的提示词重写，更少的从头重跑。

形象插入与场景一致性

Avatar 功能允许你创建自己的数字分身（入门时需要对着摄像头朗读一组数字——这是一种宽泛借鉴自 OpenAI 已停用的 Sora Cameos 的深度伪造检测机制）。存储后，该分身可在多次生成中保持一致。

SynthID 水印与安全限制

每个输出都带有不可见的 SynthID 水印，可通过 Gemini 应用、Chrome 和 Google 搜索验证。SynthID 目前已为超过 1000 亿张 AI 生成图像和视频打上标记。对声音和形象的开放编辑功能被暂时保留——Google 官方理由是负责任部署。

今天可以在哪里使用

三个入口，上限各不相同。

入口	适用用户	算力预算
Gemini 应用	全球 AI Plus、Pro、Ultra 订阅用户	每周算力限额（新模型）
Google Flow	AI Plus / Pro / Ultra	每月 200 / 1,000 / 10,000–25,000 Flow 积分
YouTube Shorts 与 Create 应用	免费用户	本周陆续推出

Gemini 应用（免费版限制）

免费用户在 Gemini 应用中无法使用该模型。免费入口是 YouTube。付费版从 AI Plus 开始（$7.99/月）。

Google Flow（Pro/Ultra 积分分配）

Flow 是真正工作流的所在——多片段合成、素材库、自定义声音、在现有视频上编辑。Google Flow 支持文档列出了该模型专属功能：10 秒片段（低级模型为 4s/6s/8s）、上传视频编辑、自定义声音创建。每次操作的积分消耗因片段时长和编辑类型而异——我将在单独的文章中介绍积分经济。就本文而言，200 积分（Plus 版）适合探索；认真迭代需要 Pro 或更高级别。

YouTube Shorts 和 YouTube Create

出人意料的分发策略。即使受限，免费获得前沿模型的访问权也不寻常。战略逻辑：OpenAI 在 2026 年初将 Sora 退回仅限 API 访问，消费端视频空间竞争减少。Google 用覆盖面而非峰值质量填补这一空缺。

尚不可用的功能

Vertex AI 上的开发者 API（已宣布，尚未 GA）

截至 2026 年 5 月，开发者 API 尚未正式开放。Google 博客表示，通过 API 向开发者和企业客户推出将在”未来几周”内进行。VentureBeat 的企业分析直接指出：在 Vertex API 正式开放之前，Omni 实际上是消费者和专业用户工具。如果你正在规划集成，请将该 API 视为 2026 年 Q3 的规划项，而非当前选项。

更长时长的生成

10 秒是公开上限。Google 表示更长时长正在规划中，但没有公开时间表。

声音和形象的开放编辑

你可以使用自己的数字分身，但无法自由编辑上传视频中任意人的声音或形象。这是刻意设置的安全边界，而非能力缺失。

发布报道中还流传着一些 Google 未官方确认的信息：720p 输出上限、60–90 秒的生成时间、命名头像模板包。请将这些视为未经证实的内容。

在视频生成领域中的位置

在部分产品界面中替代 Veo

多家媒体报道称，Google Omni Flash 在 Flow 和 Gemini 应用中实际上取代了 Veo。Veo 并未被弃用——Veo 3.1 仍有 API 访问权限，对于纯文本转视频的 API 级可靠性需求，它今天仍是生产选项。但在 Google 自家消费端，Omni 据报道已成为新默认值。Google 推销的迁移叙事是：现在用 Veo 发布，正式开放时再规划迁移。

对话式编辑 vs 纯提示词生成

这是架构层面的押注。目前大多数视频模型——包括 Veo——将每次生成视为全新一轮。Omni 的编辑是有状态的。对于涉及迭代的工作流（大多数专业工作流都是如此），这改变了每个最终片段的积分成本计算方式。实际效果如何，取决于模型在多轮编辑中保持意图的能力。我的测试时间还不够长，暂时无法下结论。

开发者和产品团队应关注的事项

API 时间节点与定价信号

开发者 API 是所有生产集成的关键门控因素。有两件事需要关注：Gemini API 文档中实际 SKU 的出现，以及 Vertex AI 定价页面上的按 token 或按秒计费结构。基于 token 的定价——Google Gemini 系列的标准模式——将比按片段定价更容易预测成本。

可能在聚合平台上线

一旦 API 上线，预计该模型将在数周内出现在统一访问平台上。如果你已经集成了多模型 API 层，从 Veo 3.1 迁移的成本应该很小。如果你直接集成了单一提供商，增加聚合层的理由每季度都在增强——这次发布是又一个数据点。

常见问题

Omni Flash API 现在对开发者开放了吗？

没有。截至 2026 年 5 月，开发者 API 尚未正式开放。Google 表示通过 Gemini API 和 Vertex AI 的推出将在”未来几周”内进行。在此之前，无法进行程序化访问。

Omni Flash 最长可以生成多长的视频？

10 秒。Google DeepMind 表示这是部署决策，而非模型架构限制。更长时长已在规划中，但没有公开时间表。

Omni Flash 会完全取代 Google 的 Veo 模型吗？

不会。Veo 3.1 仍可通过 API 访问，用于文本转视频工作负载。在 Google 自家消费端（Gemini 应用、Flow），新模型据报道已成为默认选项。对于今天的生产 API 集成，Veo 是可用选项。

我可以将 Omni Flash 的输出用于商业用途吗？

须遵守 Google 的生成式 AI 禁止使用政策及您的订阅级别条款。付费级别通常允许商业使用，但特定场景（含人物形象的内容、第三方知识产权、受监管行业）需要对照 Google 当前政策进行核实。不要轻信任何人给出的笼统肯定答复。

Omni Flash 会为每个生成的视频添加水印吗？

是的。所有输出都带有不可感知的 SynthID 水印，可通过 Gemini 应用、Chrome 和 Google 搜索验证。没有选择退出的选项。

Omni Flash 能在 Google 自家应用之外使用吗？

目前还不行。当前访问仅限于 Gemini 应用、Google Flow、YouTube Shorts 和 YouTube Create 应用。一旦开发者 API 上线，预计将通过 Vertex AI 提供，并在此后不久出现在第三方聚合平台上。

总结

对大多数产品团队而言，本周的实际答案是：暂时没有变化。继续用 Veo 3.1 发布。决策时间点是 API 正式开放——届时对话式编辑这一原语值得认真评估，尤其是如果你的管线已经承担了多轮视频生成的成本。

对于消费端探索，Gemini 应用和 Flow 是付费用户的入口；YouTube Shorts 是免费路径。值得花半小时上手体验，根据演示视频校准自己对质量的预期。

一个消歧义说明：这是 Google 的 Gemini Omni Flash。阿里巴巴还有一个同名的 Qwen3.5-Omni-Flash——不同厂商，不同路线图，请勿混淆。

以上是我今天的整理。等 API 上线后我会再跟进。

往期文章：