Google Gemini Omni 影片生成模型實測：深偽技術門檻已低至一般消費者可用

Google 近期推出 Omni 系列生成式模型的首款產品 Omni Flash，整合於旗下 AI 影片生成與編輯平台 Flow，定位為「任意輸入轉任意輸出」的跨模態架構，目前以影片生成為主要功能。相較於前代 Veo 模型，Omni Flash 支援上傳真實影片作為生成起點，並主打更強的角色一致性與現實世界知識整合能力。

The Verge 記者進行的實測揭示了幾個關鍵事實。在成本結構上，每段影片生成耗費 15 至 40 點數，一次編輯修改耗費 40 點數；月費 20 美元的 AI Pro 方案附贈 1,000 點數，實測約 20 段影片加部分編輯後，剩餘點數降至 145。換言之，若創作者對影片有具體構想、需要多輪修改迭代，信用點數的消耗速度相當快，月費方案的實際可用量有其上限。

模型品質的評估則呈現明顯的兩面性。角色一致性確實優於五個月前測試的 Veo，文字提示的編輯功能也比 Veo 3 更實際可用。然而，生成物件在同一支影片內持續變形（如蜂蜜罐在不同畫格間切換形態），以及響應編輯指令後在其他場景產生新錯誤（移除場景中的鹿角後，其餘畫面反而全部出現鹿角），顯示模型對複雜場景的空間與時序一致性仍未穩定。

最值得注意的是深偽（deepfake）人臉影片的部分。記者以一段自拍影片為輸入，生成本人在吃義大利麵、坐飛機、站在艾菲爾鐵塔前的畫面。最終產出物說服了一位每天與本人相處超過十年的家人，其辨識出的唯一線索是餐碗「看起來不熟悉」，而非臉部或動作本身。這不是技術展示的設定情境，而是消費者等級的帳號加信用卡，以極低操作門檻所產出的結果。

這件事對產業與商業決策者的意義，不在於 Omni 是否已達到「奇點前哨」。Omni 在技術指標上仍有明顯瑕疵，尚非專業級製作工具。真正的訊號是：將真實人臉置入虛構場景的能力，已從需要技術背景的操作，滑入一般消費者的日常工具範疇，而且這個滑落是在幾乎無感的情況下發生的。

對亞太市場的平台業者、品牌主與監管機構而言，這意味著內容真實性核查（content provenance）的壓力時間表必須重新評估。過去預設深偽影片仍需一定製作成本作為自然門檻，這個假設在 Omni Flash 上線後已不再成立。Google 本身尚未在 Flow 平台公開說明對應的濫用防範機制，這是當前最需要追問的缺口。