KeyFrame內部研究專用

[ 享玩AI ] Google 最新 Omni 值不值得玩?不只 Gemini 能直接做影片,Google Flow 更新後連角色功能都一起補上了

享知Cultiwise·6月17日週三·9 min中文

三句話摘要

Google Omni 影片生成模型在 Gemini 與 Flow 平台的功能介紹與實際應用演示 Google Omni 透過 Gemini 的易用性和 Flow 的角色創建機制,顯著降低了短影片內容製作的門檻,但需付費訂閱且受流量限制,英文使用環境下效果最佳。 雙平台可用但均限付費 — Omni 既可在 Gemini 直接生成影片,也可透過 Google Flow 進行更複雜的創意工作,但目前尚未開放免費用戶使用,後續開放政策需待官方公告。

重點整理

重點
  • 1

    雙平台可用但均限付費 — Omni 既可在 Gemini 直接生成影片,也可透過 Google Flow 進行更複雜的創意工作,但目前尚未開放免費用戶使用,後續開放政策需待官方公告。

  • 2

    Gemini 與 Flow 的流量與配額機制不同 — Gemini 以 5 小時週期的流量消耗計算(基礎版生成一支影片耗 27%),大約 5 小時內只能生成 3 支;Flow 則採月度點數制(基礎版每月 1000 點),提供更透明的預算規劃。

  • 3

    Flow 的角色創建功能大幅提升內容複用性 — 使用者可建立可重複使用的角色,設定外觀、個性與語音,免去每次生成都需重新描述角色的麻煩,適合需要品牌人物一致性的內容製作。

  • 4

    英文輸入效果明顯優於中文 — 雖然支援中文,但講者強調英文提示詞的生成品質更佳,反映出模型的訓練數據結構,建議對品質有要求的用戶使用英文描述。

實用技巧與重點

乾貨
  • 使用位置與訂閱門檻
  • Gemini(付費版):點擊「建立影片」功能
  • Google Flow(付費版):建立專案進行多個生成
  • 消耗額度
  • Gemini 基礎版:每支影片消耗 27% 的 5 小時流量限額、每週額外上限
  • Flow 基礎版:每月 1000 點數
  • 生成規格
  • Gemini:預設 10 秒影片
  • Flow:可自訂時長(示範 6 秒、10 秒)和尺寸比例
  • 模型選擇:Omni Flash
  • 核心功能
  • 文字轉影片(支援中英文輸入)
  • 圖片上傳轉影片
  • 自動配音
  • 影格編輯(剪輯長短)
  • 角色創建與重複使用
  • 語音設定(目前以英文為主)
  • 已知限制
  • 真人圖片生成有時失效
  • 中文提示詞效果不如英文

結論

結論

Google Omni 透過 Gemini 的易用性和 Flow 的角色創建機制,顯著降低了短影片內容製作的門檻,但需付費訂閱且受流量限制,英文使用環境下效果最佳。

完整解析

詳細

Google 在本次更新中推出了 Omni 影片生成模型,透過兩個主要入口供用戶使用。在 Gemini 平台上,用戶可直接點擊「建立影片」功能,系統提供多個創意模板供選擇。講者以「少年與貓咪在森林漫步」為例展示流程——用戶輸入中文提示詞,選擇影片方向(橫向或直向),系統即可快速生成 10 秒的成品影片。Gemini 的優勢在於使用簡單直觀,但流量消耗相對較高:基礎版訂戶生成一支影片消耗其 5 小時週期額度的 27%,換算下來 5 小時內約只能生成 3 支影片。此外每週還有額外上限限制,超出後 Pro 功能暫時不可用。

相比之下,Google Flow 提供了更完整的內容創作生態。用戶在 Flow 中建立專案後,可進行多個影像或影片生成。基礎訂閱每月獲得 1000 點數,消耗額度與影片時長掛鉤。在文字轉影片時,用戶需選擇 Omni Flash 模型,並可自訂影片尺寸與秒數。系統生成的影片會自動配音,並提供影格編輯功能,讓用戶像在專業剪輯軟體中一樣調整影片長短。

Flow 的殺手級功能是新增的「角色創建」工具。用戶可建立可重複使用的角色,選擇預設風格(如奇幻人物)或自訂,系統會自動生成相應設定。用戶隨後可為角色命名、編寫個性描述,並選擇語音(目前主要支援英文)。建立完成後,角色可添加到提示詞中供後續生成使用。講者示範了用奇幻角色製作咖啡廣告的例子,整體效果頗佳。

值得注意的是,語言選擇對生成品質有顯著影響。雖然系統支援中文輸入,但講者強調英文提示詞的效果明顯更優,這反映出模型訓練數據結構的差異。此外,使用真人圖片時仍可能遇到生成失效的問題,類似 Suno 等工具的現狀,屬於當前技術的已知限制。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。