В каждой крупной лаборатории ИИ теперь есть генератор видео. Runway, Kling, Pika, Veo — все они работают примерно по одной и той же модели: пишешь запрос, нажимаешь «генерировать», ждешь, получаешь готовый ролик. Если не нравится, задаешь новый запрос и пробуешь снова.

Gemini Omni работает по-другому. И это различие гораздо существеннее, чем отражено в большинстве материалов I/O 2026. Это смелое утверждение — поэтому в этой статье мы подробно разберем, что это такое, что оно делает на сегодняшний день, как оно соотносится со всеми основными конкурентами, как получить к нему доступ прямо сейчас и куда оно действительно движется.

Близнецы Омни Это новое семейство мультимодальных моделей искусственного интеллекта от Google DeepMind, анонсированное 19 мая 2026 года. Его отличительная черта — сочетание двух элементов, которые ранее существовали в отдельных системах: Языковая логика Gemini и модели генеративного медиаконтента Google. Демис Хассабис заявил, что это сочетание Gemini с Veo, Nano Banana и Genie, описав его как «нашу новую модель, способную создавать что угодно из любых исходных данных».

Проще говоря: дайте ему фотографию, голосовую запись, существующее видео, текстовое описание или любую их комбинацию — и он создаст видео. Затем вы продолжаете общаться с ним, чтобы доработать созданное. Первая доступная версия — Gemini Omni FlashВ настоящее время разрабатывается более функциональная версия Gemini Omni Pro для профессионального использования в рекламе и видеопроизводстве.

Google позиционирует Omni как модель окружающего мира, а не как стандартный генератор видео — он предназначен для понимания физической среды, прогнозирования причинно-следственных связей и одновременной обработки текста, аудио, изображений и видео. В отличие от Sora, Runway или Veo, которые в основном генерируют клипы на основе текстовых подсказок, Omni стремится более точно имитировать поведение в реальном мире.

Следует отметить честное замечание, сделанное самой Google: более существенные обновления Omni «появятся позже в этом году», то есть выпущенная версия — это ранний, быстрый вариант, а не полноценная модель мира, как подразумевает риторика об искусственном общем интеллекте. Физические свойства и возможности понимания окружающего мира будут значительно улучшены в последующих релизах.

Большинство инструментов для создания видео с использованием ИИ принимают текстовый запрос. Некоторые принимают вместе с ним эталонное изображение. Gemini Omni принимает все перечисленные ниже данные одновременно в одном запросе:

• Текст — описания, сценарии, инструкции
• Изображения — фотографии товаров, характеристики персонажей, руководства по стилю
• Аудио — голосовые записи, музыкальные треки, окружающие звуки
• Существующее видео — клипы для ремикса, расширения или преобразования

Вместо того чтобы объединять входные данные, модель анализирует их, чтобы получить один результат, а затем принимает дальнейшие изменения посредством диалога. Загрузите фотографию продукта, вставьте слоган бренда, запишите голосовое сообщение, описывающее настроение, и Omni синтезирует единое связное видео из всех трех элементов. Никаких отдельных этапов обработки. Никакой ручной сборки.

Это наиболее отличительная особенность Omni. Каждая инструкция «основывается на предыдущей», и предыдущие указания сохраняются между этапами, поэтому видео развивается согласованно по мере внесения изменений. Вместо классических временных шкал и слоев вы сами указываете, что нужно изменить:

Это кардинально отличается от повторного запуска генератора видео. Собственный пример Google: «Когда человек коснется зеркала, пусть оно красиво заволнуется, как жидкость, и рука человека превратится в отражающее зеркало». — такой уровень детального, учитывающего физические принципы работы видеоряда, который потребовал бы покадрового ручного редактирования в любом традиционном инструменте.

Хассабис продемонстрировал возможности Omni, создав видеоролик с использованием пластилиновой анимации, объясняющий сворачивание белков — превращая сложные научные понятия в наглядные визуальные образы. Видео сохраняло физическую целостность: материалы вели себя как глина, движение следовало логике покадровой анимации, а научные данные были представлены точно. Это практическое воплощение концепции модели мира: модель понимает почему вещи движутся, а не просто что Аналогичное движение наблюдается и в обучающих данных.

Google придерживается осторожного подхода, гарантируя, что каждое сгенерированное видео будет содержать Цифровой водяной знак SynthID для обеспечения подлинности — автоматически и незаметно, на каждом выходе. Это можно обнаружить с помощью инструментов Google, а после конференции I/O 2026 — также с помощью OpenAI, Kakao и Eleven Labs, которые все приняли этот стандарт.

Это наиболее распространенный источник путаницы. Veo — это специализированная модель генерации видео с ограниченными возможностями логического мышления. Omni — это модель логического мышления, которая, по сути, занимается генерацией видео. — Она интерпретирует сложные запросы, вносит правки между ходами и принимает более сложные типы ввода.

Эти отношения дополняют друг друга, а не конкурируют. Для обеспечения высочайшего качества в рамках одного поколения и надежного доступа к API сегодня Veo 3.1 остается практичным выбором. Для итеративной работы, основанной на диалогах, — особенно для комбинирования типов входных данных — Gemini Omni является инструментом, которого не существовало до 19 мая.

Kling 3.0 Omni поддерживает многокадровые последовательности с общей звуковой временной шкалой и нативными диалогами на пяти языках. Для повествования в формате многокадровых сцен с нативным звуком он превосходит конкурентов по длине клипов (до 15 секунд) и связности нескольких сцен. Преимущество Omni заключается в улучшении диалогов и глубине мультимодального ввода.

Runway Gen-4.5 остается профессиональным стандартом точности управления камерой — направление съемки, поведение объектива, хореография движений. Это инструмент режиссера. Omni же больше подходит для творческого сотрудничества: более широкий спектр возможностей, более естественная итерация, но меньше точного кинематографического контроля.

Seedance 2.0 — безусловный лидер в создании контента с упором на повествование, обладающий революционными возможностями многокадровой съемки и синхронизированным аудио-видео из одного запроса. Для видео, ориентированного на сюжет и обеспечивающего непрерывность многокадровой съемки, это сегодня сильнейшая платформа. Интеграция Omni с экосистемой Google и возможность редактирования в диалоговом режиме обеспечивают ей иное, а не меньшее, ценностное предложение.

Sora больше не является подходящим вариантом для сравнения. OpenAI прекратила поддержку веб-версии и мобильного приложения Sora 26 апреля 2026 года, а API Sora будет закрыт 24 сентября 2026 года. Любой конвейер обработки данных, зависящий от Sora, должен перейти на другую платформу.

На этой неделе Gemini Omni Flash бесплатно запускается в приложениях YouTube Shorts и YouTube Create. Google использует дистрибуцию YouTube, чтобы представить Omni сотням миллионов пользователей без каких-либо дополнительных затрат. Откройте YouTube Shorts или приложение Create, найдите опцию создания видео с помощью ИИ — в основе этого механизма лежит Omni Flash. Это самый быстрый способ попробовать, подписка не требуется.

Создание видеороликов занимает значительную часть суточной нормы — планируйте свою сессию для итеративной творческой работы, а не для массового производства.

В ближайшие недели Google начнет предоставлять Omni Flash разработчикам и корпоративным клиентам через API. Точная дата пока не объявлена. Разработчики могут присоединиться к списку ожидания Google AI Studio и ознакомиться с примечаниями к выпуску API Gemini.

1. Откройте приложение Gemini и войдите в систему, выбрав тарифный план Plus, Pro или Ultra.
2. В селекторе моделей выберите Gemini Omni Flash (если эта функция внедрена в вашем регионе)
3. Загрузите справочные материалы — изображение, аудиоклип или существующее видео.
4. Напишите свой первый вопрос, описав, что нужно сгенерировать.
5. Просмотрите 10-секундный вывод.
6. Уточняйте в ходе диалога: «измените освещение», «сдвиньте камеру влево».
7. Скачайте или поделитесь напрямую на YouTube, когда останетесь довольны.

Более существенный сдвиг заключается в том, что видео, созданное с помощью ИИ, переходит от однократного генерирования к... Создание, основанное на диалоге. Это не просто улучшение пользовательского опыта — это коренным образом меняет представление о том, кто может создавать видео. Исторически барьером были технические навыки: временные шкалы, ключевые кадры, цветокоррекция, микширование звука. Omni заменяет этот процесс обучения естественным языком. Вы описываете, что хотите получить. Вы описываете, что не так. Вы описываете, что будет дальше. Модель обрабатывает технический перевод.

Хассабис описал Omni как шаг к созданию искусственного общего интеллекта, подчеркнув, что истинный прогресс заключается в понимании физического мира, а не просто в создании реалистичных визуальных образов. На данный момент практическая реальность более реалистична: модель, которая принимает любой тип медиафайлов, генерирует связное видео и позволяет его дорабатывать посредством диалога, действительно является новой. Не просто незначительно улучшенной. А принципиально иной.