Google发布"全能型"AI模型：一张照片，就能生成以假乱真的视频

以后想让别人以为你去过巴黎？只需要一张自拍，AI 就能帮你做到。

2026年5月23日，Google 发布了一款新的 AI 模型——Gemini Omni（中文常译为"全能型"）。这个名称并非夸张：它真的可以把任何格式的输入转换成任何格式的输出。而它最先落地的功能，就是用一张照片生成逼真的 AI 视频——也就是很多人最担心的那种 deepfake（深度伪造）内容。

这意味着什么？意味着过去需要专业技能、花费数千美元才能完成的"换脸视频"，现在只要一个 Google 账号、每月 20 美元，就能轻松实现。

它到底能做什么？

The Verge 的编辑 Allison Johnson 进行了实测。她用自己的一张自拍照片，让 Gemini Omni 生成了三个视频：

• 她坐在餐桌前吃意大利面
• 她坐在飞机座位上
• 她站在埃菲尔铁塔前咬一口法棍

效果如何？她的丈夫看了吃面的那段视频后说："碗看起来有点陌生。"除此之外，他完全相信那是一段真实的视频。而她——一个每天见到丈夫的人——知道视频里不是她，是因为 AI 在转头时暴露了一个细节：头发被错误地扎成了马尾辫。但她自己也承认，如果不是事先知道，几乎不可能察觉。

更令人不安的是，在另一个视频中，她让 AI 把自己"发送"到巴黎铁塔前。结果是：其中一段视频看起来略微卡通化，但另一段——她评价道——"你可能需要反复看几次才能发现那是 AI 生成的"。

换句话说：这项技术已经越过了普通人的辨别门槛。

技术原理：输入一张照片，输出一段视频

Gemini Omni 是 Google AI 视频平台 Flow 中最新的模型，代号"Omni Flash"。它的核心能力是"任意到任意"（anything-to-anything）的多模态转换。

用更通俗的话解释：你可以上传一段视频或一张图片，然后通过文字指令让 AI 在此基础上生成新的内容。比如把一张静态照片中的角色，放进一个动态的场景里；或者给一段已有视频添加、修改其中的元素。

Google 声称，Omni 相较于上一代模型 Veo 3 有几个关键改进：

• 可以结合真实视频和文字提示作为生成起点，不只是从零开始生成
• 融入了更多现实世界知识，能更好地保持角色在整段视频中的一致性
• 对文字修改指令的响应更准确，可以针对性地调整视频细节

当然，它并非完美无缺。测试中出现了角色突然"orientation 翻转"（方向突变）、物品在视频过程中不断变形（比如一瓶蜂蜜在玻璃瓶、水瓶之间来回切换）等明显错误。但正如作者所说：即便有这些 bug，"最好的那些片段，已经好到令人不安"。

为什么这件事值得警惕？

Deepfake 的门槛，从专业级降到了"入门级"

过去，制作一段可信的 deepfake 视频需要：

• 专业知识（机器学习、模型训练）
• 高性能硬件（高端 GPU）
• 时间和金钱（训练一个模型可能需要数天和数千美元）

现在，Gemini Omni 把这个门槛降到了：每月 20 美元，一个 Google 账号，外加一张照片。

这不是小打小闹的"娱乐功能"。当任何人都可以用最低的代价把自己的脸"嵌入"到任何场景中，信息真实性将面临前所未有的挑战。

已经不是"未来威胁"，而是当下现实

The Verge 的记者并非第一个体验这项技术的媒体人。2026年以来，AI 生成视频的质量以惊人的速度在提升。OpenAI 的 Sora、Runway 的 Gen-3、Pika、Kling（快手）……每一家主要 AI 公司都在视频生成领域加速布局。

但 Google 的 Gemini Omni 的不同之处在于：它的易用性和与 Google 生态的深度整合。你的自拍、相册、Google 账户——这些原本就存在的素材和数据，可以让生成过程几乎没有门槛。

当 deepfake 从"技术人员专属"变成"普通用户一键生成"，社会整体的应对能力还没有跟上。

我们应该怎么办？

这并不是一个可以用"禁止 AI"来解决的问题。技术进步不可逆转，更好的策略是提升整个社会的辨别能力和防御机制。

对于普通人，有几个务实的建议：

• 对过于完美的视频保持怀疑：特别是在重要事件、新闻场景中，如果一段视频好到不真实，它可能就不是真的
• 关注来源：谁发布的？在什么情境下发布的？有没有独立的佐证？
• 善用技术工具：一些 AI 检测工具正在开发中，可以帮助识别 AI 生成的视频内容

对于平台和政策制定者，挑战更加严峻：如何在保护 AI 创新动力的同时，防止其被滥用？水印技术、AI 生成内容标识、平台审核机制……这些都需要跟上技术发展的速度。

这意味着什么？

Gemini Omni 的发布，标志着 AI 生成内容从"文字"和"图片"，全面进入了**"视频"时代**。

这带来的不是单一技术的进步，而是一整套社会规则的重新校准。我们曾经依赖"眼见为实"，而现在，连视频也不再完全可信了。

当然，这项技术本身并不邪恶——它可以用于电影制作、教育内容创作、艺术表达等无数正面场景。问题在于，当门槛足够低，低到任何人都能使用，滥用就只是概率问题，而不是能力问题。

或许在不远的将来，我们会像现在习惯"图片可以被 PS"一样，习惯"视频可以是 AI 生成的"。但在那之前，社会需要经历一段调整期——而这个调整期，可能比我们想象的更动荡。

参考来源：

• The Verge：Google's new anything-to-anything AI model is wild
• Google 官方 AI 视频平台 Flow