19 мая 2026 года Google DeepMind представила Gemini Omni — новое семейство генеративных моделей Gemini для создания и редактирования видео. Первый доступный вариант называется Gemini Omni Flash: он принимает на вход текст, изображения, видео и аудио, а на выходе сначала генерирует видео. Главное отличие от привычных видеогенераторов — ставка на мультимодальность и редактирование обычным разговорным языком.
Что произошло
Google показала Gemini Omni как следующий шаг в развитии мультимодальных моделей Gemini. Если коротко: модель должна уметь брать почти любой исходный материал — промпт, картинку, короткое видео, звук или их комбинацию — и превращать это в цельный видеоролик.
Сейчас запуск начинается с видео. Это важно: Google не говорит, что Omni уже генерирует вообще все форматы на выходе. В оригинальном анонсе компания уточняет, что в будущем семейство Omni должно поддерживать и другие выходные модальности, включая изображения и аудио. Но первая публичная версия, Gemini Omni Flash, ориентирована именно на видеогенерацию и видео-редактирование.
Пример простой задачи: у вас есть ролик с человеком в комнате. Вы можете попросить модель изменить освещение, добавить объект, поменять стиль сцены, перенести персонажа в другое окружение или сделать более сложный эффект. Идея в том, что пользователь не обязан работать как монтажер: не нужно отдельно маскировать объект, искать таймлайн, настраивать эффекты и пересобирать сцену. Достаточно описать, что нужно поменять.
Это не значит, что профессиональный монтаж исчезает. Скорее Google двигает генеративное видео в сторону более понятного интерфейса: не «напиши идеальный промпт с первого раза», а «поговори с моделью, уточни результат, измени детали и продолжи».
Простыми словами: что умеет Gemini Omni
Gemini Omni — это модель для генерации видео, которая понимает сразу несколько типов входных данных.
Например, можно дать ей:
- текстовое описание сцены;
- изображение персонажа или объекта;
- исходное видео с движением, ракурсом или композицией;
- аудиофайл, под который нужно синхронизировать действие;
- комбинацию всего этого.
На практике это открывает несколько сценариев.
Первый — генерация видео из идеи. Пользователь описывает сцену: например, обучающий ролик про сворачивание белка, выполненный в стиле пластилиновой анимации. Модель должна не просто создать красивую картинку, а построить последовательность, где зрителю понятно, что происходит.
Второй — редактирование уже существующего видео. Вместо классического монтажа пользователь пишет инструкцию: «сделай скульптуру из пузырей», «добавь светящиеся эффекты от скейтборда», «измени комнату, но сохрани движение камеры». Это ближе к диалогу с ассистентом, чем к работе в Premiere Pro или After Effects.
Третий — перенос движения, стиля или структуры. Можно взять один ролик как источник движения, изображение как источник персонажа, аудио как источник ритма, а затем попросить модель собрать все это в единый клип. Именно здесь мультимодальность становится не маркетинговым словом, а рабочей функцией: модель должна понимать, что из какого источника брать.
Четвертый — последовательное уточнение. Google отдельно подчеркивает, что инструкции могут накапливаться. То есть пользователь может сначала создать ролик со скрипачом, затем перенести его в окружение с картинки, потом сделать инструмент невидимым, затем поменять камеру на ракурс из-за плеча. Важная часть здесь — сохранение контекста сцены: персонаж, движение и логика ролика не должны разваливаться после каждого нового запроса.
Чем Gemini Omni отличается от предыдущих решений Google
У Gemini Omni нет «предыдущей версии» в прямом смысле: это новое семейство моделей. Поэтому корректнее сравнивать его не с Gemini Omni 1.0, а с предыдущим направлением Google в генеративном творчестве.
В анонсе Google сама отталкивается от Nano Banana — модели, которая принесла возможности Gemini в генерацию и редактирование изображений. Nano Banana решала задачи вроде восстановления старых фото, дизайна по скетчам и визуализации идей. То есть фокус был на статичных изображениях: создать картинку, отредактировать картинку, сохранить стиль, изменить детали.
Gemini Omni переносит этот подход в видео и делает его шире.
Главные изменения:
- вместо статичного изображения появляется временная сцена;
- модель должна учитывать движение, физику, последовательность событий и монтажную непрерывность;
- входом может быть не только текст или картинка, но и видео с движением, аудио с ритмом, несколько референсов одновременно;
- редактирование строится как диалог, где новые команды продолжают старые;
- модель должна лучше удерживать персонажей, окружение и причинно-следственную логику.
В видео сложность резко выше, чем в изображениях. Одно дело — сгенерировать кадр с красивым объектом. Другое — сделать так, чтобы объект двигался, не ломался между кадрами, сохранял форму, взаимодействовал с окружением, подчинялся свету и физике, а результат не выглядел как набор случайных кадров.
Поэтому Gemini Omni интересен не только как «еще один генератор видео», а как попытка Google соединить сильные стороны Gemini — понимание мира, рассуждение, работу с разными типами данных — с видеопроизводством.
Почему Google делает упор на физику и знание мира
В генеративном видео давно есть типичная проблема: ролик может выглядеть зрелищно, но быть бессмысленным. Предметы появляются и исчезают, руки меняют форму, движение нарушает логику, вода течет странно, камера ведет себя непредсказуемо, а сцена не понимает, что в ней происходит.
Google заявляет, что Gemini Omni должен лучше учитывать физику и контекст. В анонсе упоминаются гравитация, кинетическая энергия и динамика жидкостей. Проще говоря, модель должна не просто рисовать «похожее на реальность» видео, а понимать базовые правила происходящего.
Это важно для нескольких категорий задач.
Для рекламных роликов — чтобы продукт не деформировался и выглядел правдоподобно.
Для образовательного контента — чтобы объяснение не превращалось в красивую, но неверную визуализацию.
Для клипов и коротких видео — чтобы движение совпадало с музыкой и выглядело намеренно, а не случайно.
Для прототипирования — чтобы режиссер, дизайнер или маркетолог мог быстро проверить идею сцены без полноценной съемки.
Конечно, формулировка «понимание физики» не означает, что модель стала инженерным симулятором. Не стоит ожидать от нее точных расчетов, как в специализированном ПО. Но для генеративного видео даже улучшенное интуитивное понимание движения и взаимодействия объектов — уже существенный шаг.
Редактирование через диалог: почему это важно
Самая практичная часть анонса — не генерация «с нуля», а редактирование через разговорные команды.
Сейчас многие генераторы видео работают по принципу одного запроса: написал промпт, получил результат, попробовал еще раз. Если результат почти подходит, но нужно изменить одну деталь, часто приходится начинать заново или пытаться угадать новый промпт. Это неудобно, потому что видео — дорогой формат по времени, вычислениям и контролю.
Gemini Omni пытается сделать процесс похожим на работу с редактором:
- Создал черновик.
- Попросил изменить деталь.
- Проверил результат.
- Попросил поменять ракурс, свет, объект или стиль.
- Продолжил от уже существующей версии.
Если модель действительно хорошо удерживает контекст, это сильно меняет рабочий процесс. Пользователь может двигаться итерациями, как с дизайнером или монтажером: «оставь персонажа, но поменяй фон», «сохрани движение, но сделай стиль ретрофутуристичным», «синхронизируй эффекты с битом».
Для креативных задач это особенно важно. Часто идея рождается не в первом промпте, а после нескольких правок. Хороший инструмент должен поддерживать этот процесс, а не заставлять каждый раз начинать с чистого листа.
Для кого это важно
Gemini Omni в первую очередь интересен тем, кто регулярно работает с визуальным контентом.
Маркетологам и SMM-специалистам модель может помочь быстрее делать короткие ролики для соцсетей, тестировать креативы, адаптировать один визуальный концепт под разные форматы и стили.
Создателям контента — собирать Shorts, Reels, TikTok-ролики, заставки, визуальные вставки и объясняющие сцены без отдельной съемочной группы.
Дизайнерам и арт-директорам — быстро проверять визуальные идеи: как будет смотреться персонаж в другом окружении, как работает движение, какой стиль подходит сцене.
Образовательным проектам — делать наглядные объяснения сложных тем. Например, показать научный процесс, историческую сцену или абстрактную концепцию через короткую визуализацию.
Малому бизнесу — создавать видео без полноценного продакшена. Не вместо профессиональной рекламы, но как быстрый способ получить черновик, презентационный ролик или идею для дальнейшей съемки.
Разработчикам и enterprise-командам Gemini Omni тоже может быть важен, но API-доступ на момент анонса еще не является основной частью запуска. Google обещает rollout для разработчиков и корпоративных клиентов в ближайшие недели после релиза.
Аватары и ограничения
Отдельный блок анонса посвящен цифровым аватарам. Google пишет, что пользователи смогут создавать видео со своим голосом через функцию Avatars, которая делает цифровую версию пользователя для роликов, похожих и звучащих как он сам.
Это чувствительная зона. Генерация видео с лицом и голосом человека сразу поднимает вопросы дипфейков, согласия, мошенничества и репутационных рисков. Поэтому Google подчеркивает, что возможность менять речь и аудио в видео за пределами аватаров пока тестируется и требует осторожного запуска.
Также все видео, созданные с Gemini Omni, получают невидимый цифровой водяной знак SynthID. По заявлению Google, такие видео можно будет проверять через Gemini app, Gemini в Chrome и Google Search. Это не отменяет всех рисков, но показывает, что компания пытается встроить механизм прозрачности в сам продукт.
Для пользователей это означает простую вещь: Gemini Omni не стоит воспринимать как безлимитный инструмент для любых манипуляций с чужими лицами, голосами и видео. Доступные функции будут зависеть от политик Google и региональных ограничений.
Как попробовать
На старте Gemini Omni Flash доступен подписчикам Google AI Plus, Pro и Ultra по всему миру. Использовать его можно через Gemini app и Google Flow.
Также Google запускает Gemini Omni Flash бесплатно для пользователей YouTube Shorts и приложения YouTube Create, rollout начинается в неделю анонса. Это логичный ход: короткое вертикальное видео — один из самых массовых сценариев, где генеративные эффекты и быстрые правки могут сразу стать востребованными.
Если нужен доступ к подпискам Google AI, проверьте официальные варианты в своем регионе через One Google / Google AI. В некоторых случаях подписку или доступ к зарубежным сервисам пользователи покупают через маркетплейсы цифровых товаров, например через plati.market: https://plati.market/. Перед покупкой стоит внимательно проверять продавца, регион, условия активации и риски аккаунта. Это не официальный канал Google, поэтому ответственность за такой способ доступа лежит на покупателе.
Разработчикам пока стоит следить за Google AI Studio, Vertex AI и официальными API-анонсами Google. В оригинальной публикации сказано, что доступ для разработчиков и корпоративных клиентов появится в ближайшие недели, но конкретные параметры API, цены, лимиты и поддерживаемые форматы нужно проверять отдельно после запуска.
Что это значит для рынка генеративного видео
Gemini Omni показывает, куда движется рынок: от отдельных генераторов картинок, видео и музыки к мультимодальным системам, которые могут собирать результат из разных источников.
Раньше пользователь часто работал цепочкой инструментов: картинку сделал в одном сервисе, видео — в другом, звук — в третьем, монтаж — в четвертом. Gemini Omni предлагает другой подход: загрузить исходники, описать задачу и получить цельную сцену, где движение, стиль, музыка и смысл согласованы между собой.
Если технология сработает стабильно, это может изменить ранние этапы видеопроизводства. Концепты, раскадровки, рекламные идеи, визуальные тесты и короткие ролики станут дешевле и быстрее. Особенно для команд, где нет отдельного моушн-дизайнера или видеомонтажера.
Но профессиональный продакшен это не убивает. Наоборот, для сильных специалистов такие модели могут стать ускорителем. Они будут быстрее проверять идеи, создавать варианты, подбирать стили и собирать черновики. А финальное качество, режиссура, вкус, сценарий и ответственность за результат все равно останутся за человеком.
Главное
Gemini Omni — не просто очередной генератор видео по тексту. Google пытается сделать модель, которая понимает несколько типов входных данных, умеет редактировать видео через диалог и сохраняет контекст сцены между правками.
Первая версия, Gemini Omni Flash, уже выходит в Gemini app, Google Flow, YouTube Shorts и YouTube Create. На старте фокус — видео. Поддержка других выходных форматов и API-доступ для разработчиков должны появиться позже.
Для обычного пользователя это означает более простой способ создавать и менять ролики. Для креаторов и маркетологов — быстрый инструмент прототипирования. Для индустрии — еще один сигнал, что генеративное видео переходит от «сделай красивый клип по промпту» к полноценному мультимодальному редактору.