實測 Google 全新 Gemini Omni：萬物互轉的 AI 模型太瘋狂

The Verge 對 Google 最新發布的 Gemini Omni 多模態模型進行了實測。該模型號稱能實現「任何輸入到任何輸出」的自由轉換，無需像傳統多模態模型那樣依賴預定義的模態路徑。實測中，作者將一張孩子的毛絨玩偶照片生成了充滿創意的「度假鹿」影片片段，效果堪比 Google 此前廣告中的深偽演示。Gemini Omni 的突破在於其統一架構——不再需要為圖像、文本、音頻、影片分別訓練獨立的轉換模組，而是通過一個通用模型實現跨模態的自由組合。這意味著未來 AI 創作將更加靈活，一個模型即可勝任圖文互轉、語音變影片、文本轉動畫等多種任務。不過文章也指出，這種能力同時帶來了濫用風險，尤其是深度偽造方面的倫理問題仍需社會層面的規範。