视频版Nano Banana来了！内置Gemini世界知识
Jay 发自 凹非寺量子位 | 公众号 QbitAI虽然Coding还是一坨，但谷歌搞「多模态」确实有两把刷子。Gemini Omni Flash正式开放API，视频版Nano Banana。麻瓜爆改「哈利波特」不再是梦想。且看最新用Gemini Omni表演的这四个数字魔术：太离谱了，这一致性和文
虽然Coding这块暂时还没完全追上，但谷歌在多模态上确实有独到之处。
Gemini Omni Flash正式开放API，同时带来了一个视频版的Nano Banana。
麻瓜们，爆改“哈利·波特”不再是幻想。来看看最新用Gemini Omni演示的四个数字魔术：
这一致性和文字清晰度，简直离谱——还要什么绿幕和特效？直接现场直播奇异博士就行了。
与此同时，大家心心念念的“香蕉”，也迎来了它的“光速版”。
Nano Banana 2 Lite：迄今最快、最经济高效的Gemini图像模型。
毫不夸张地说——4秒出一张图，1K分辨率图像仅需约两毛多。
和Nano Banana 2放在一起对比，这速度简直像起飞了一样。
更别说一次生图能拖3分钟的GPT Image 2了……
怪不得Gemini 3.5 Pro一直憋不出来——敢情时间全花在心心念念的多模态上了，是吧，哈萨比斯？
Gemini Omni Flash
Google I/O 2026大会上首次亮相的Gemini Omni Flash，把Gemini的多模态推理能力与视频生成、编辑深度结合，当时就引发了不少关注。
如今，这个模型已通过Gemini API和Google AI Studio正式向开发者开放。它支持基于文本、图像和视频等多种输入，轻松生成高质量视频并进行编辑。
四项关键能力：
- 对话式视频编辑：用自然语言修改和精修视频，跟改飞书文档似的。
- 多模态参考：组合图像、文本、视频输入，保持场景控制和一致性。
- 现实世界知识：调用Gemini在历史、生物、叙事逻辑等方面的知识来构建视频，不用再写三页Prompt描述建筑风格。
- 文字与动作同步：通过简单提示词，将文字和图形直接连接到视频动作。
价格也很有竞争力：每秒视频输出成本0.10美元，跟Veo 3.1 Fast持平。
定位方面，同为轻量版视频生成模型，Omni Flash更强调Gemini的世界知识，生态方面也全面向Gemini层靠拢。
不过谷歌也挺坦诚，主动列了一堆现阶段局限：
- 目前只支持10秒视频生成，后续会支持更长；
- 暂不支持音频参考上传和场景扩展；
- API支持最长3秒的视频作为参考素材，但目前模型还无法正确处理这类输入；
- 场景切换和运镜时的人物一致性仍有局限。
Nano Banana 2 Lite
Nano Banana 2 Lite（又名gemini-3.1-flash-lite-image），专为高速处理而设计。
经过针对性优化，它瞄准的是那些对延迟极度敏感、需要短时间内批量处理大量图像的实时应用场景——比如电商素材批量生成、广告创意快速迭代、自动化内容流水线。
两大核心卖点——
- 光速：出图延迟约4秒，是Nano Banana 2的五分之一（后者约20秒）。
- 白菜价：一张1K图片仅需约0.034美元，是Nano Banana 2的一半，Nano Banana Pro的四分之一。
速度砍了，价格砍了，但生图和图像编辑能力并没有明显缩水。Nano Banana 2 Lite 依然保持了出色的文字渲染效果，在benchmark上和Grok等模型处于同一水平线。
因此谷歌的建议是：如果你还在贪便宜用初代Nano Banana，赶紧换。Lite版在各项关键指标上已经全方位碾压了。
双剑合璧
等等，先别走。
本以为这只是两款并行的模型发布，没想到谷歌表示：还有新花样。
真正的神奇之处，在于将这些模型串联起来使用。
众所周知，AIGC创作需要反复迭代，素材管理相当麻烦。
如今，借助这两个模型，终于不用再反复上传文件了，图像生成与视频创作能够无缝衔接。
具体来说，可以先用Nano Banana 2 Lite高速出图，再把生成的图像作为参考素材喂给Gemini Omni Flash，一键转化为视频。
为了展示这套1+1>2的魔法Workflow，谷歌甚至专门做了3个Demo APP：
- 1、Anywhere：自拍一张或上传照片，NB2 Lite瞬间把你P到几十个地标景点里。接着点一下图片，Omni Flash把静态景点变成动态短片。赛博旅游，这下也端到端了。
- 2、Space Lift：这有点吓人——感觉再和Genie世界模型结合一下，未来怕是会威胁到不少传统装修方案SaaS公司。上传一张房间照片，NB2 Lite先出各种装修风格方案。找到喜欢的，点视频按钮，Omni能直接给你一段电影级空间漫游。
- 3、Omni product studio：跨境电商的福音来了。给产品拍张白底图，NB2 Lite出各种场景化商品图，Omni Flash再把静态图变成电商短视频。从“产品”到“广告素材”，全链路自动跑完。
所以，多模态到底有什么用？
这个问题谷歌肯定被问了无数次。尤其在2026年，Coding几乎成了模型智商的代名词，每家都在Coding上往死里卷。
死磕多模态，图什么？
AGI叙事那一套就不展开了。短期来看，谷歌这套多模态模型确实能赋能旗下不少产品——Stitch是一个，Pixel内置的P图是一个，NotebookLM的横空出世也蛮惊艳。
这次发的两个新模型，则让人看到了多模态在垂直场景落地的更多潜力。电商、装修、短视频……这些业务的需求是真的，钱也是真的。加上有安卓生态加持，基本不用太担心商业化的问题。
Coding谷歌暂时追不上，但多模态这张牌桌，谷歌可能是唯一能组齐一套牌的玩家。
不过……Gemini 3.5 Pro到底啥时候来啊！！！
参考链接：
[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni-flash-nano-banana-2-lite/
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：视频版Nano Banana来了！内置Gemini世界知识要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点想要从YouTube视频中提取声音、进行人声克隆，或者将歌曲的人声与伴奏完美分离？过去这些操作往往需要专业录音棚才能完成，如今只需一个在线工具——Vocal Replica就能轻松实现。本篇文章将详细介绍这款一体化音频处理工具。 什么是Vocal Replica？ Vocal Replica本质上是
多语言视频制作、虚拟角色定制——这些功能曾经只出现在科幻电影中，如今却已真实地走进了我们的日常生活。今天要介绍的这款AI工具，正是为了大幅降低多语言视频创作门槛而诞生的。 什么是KreadoAI？ 通俗地讲，KreadoAI是一款人工智能视频生成工具，你只需输入一段文字或几个关键词，它就能自动生成支
当企业需要高效沟通时，Ringflow 提供的云呼叫中心平台，让各种规模的组织都能借助 AI 驱动的全渠道支持、智能路由和实时分析，快速提升客户体验与团队生产力。它不止是一个电话系统，更像是一个能自动完成任务、提供深度洞察的协作助手——客户满意度上去了，团队效率也自然跟着起飞。 什么是Ringflo
在应收账款管理（ARM）及医疗领域，基于AI技术的工作流平台正彻底革新收入回收效率。通俗而言，这类智能平台使企业能够更高效地与付款方沟通，从而更快、更稳定地实现资金回笼。什么是Finvi？Finvi正是该领域的领先方案——它提供AI驱动的智能工作流平台，专注于应收账款管理与医疗行业。其核心价值在于：
- 日榜
- 周榜
- 月榜
热点快看