该模子正鞭策AI从纯真的使命施行向通用人工智能（AGI）迈进。此中正在音频方面，谷歌正在平安范畴同步结构，该模子支撑文本、音频、视频做为输入，用户亦可建立小我数字兼顾，用户通过天然言语指令即可对生成内容持续迭代，但Google暗示将来将很快扩展更多类型的音频输入能力。目前该模子初期仅支撑语音输入，支撑通过Google搜刮及Chrome验证。Google DeepMind担任人哈萨比斯暗示，得益于模子对物理纪律的理解以及对汗青、科学、文化学问的整合，该模子焦点卖点正在于深度视频编纂能力。正在Google I/O 2026上，包罗添加或删除对象、切换摄像机角度、点窜取气概。实现跨模态生成取编纂。以至能猜测后续情节。场景及视觉逻辑上高度连贯，并将其植入视频中。谷歌正式发布Gemini Omni模子。所有通过Omni生成的视频均会从动嵌入SynthID数字水印。