Gemini Omni
Google DeepMind · Vidéo
Gemini Omni est la famille de modèles multimodaux natifs de Google DeepMind, conçue pour accepter presque n'importe quelle entrée et la transformer en presque n'importe quelle sortie. La première version, Gemini Omni Flash, se concentre sur la vidéo : vous générez un clip à partir d'un texte, ajoutez des images ou de l'audio de référence, puis modifiez le résultat en décrivant le changement souhaité. Il vise les créateurs et les développeurs qui préfèrent un seul modèle pour générer et corriger plutôt que d'enchaîner plusieurs outils.
À propos de Gemini Omni
Qu'est-ce que Gemini Omni
Gemini Omni est le modèle d'IA multimodal le plus récent de Google DeepMind, annoncé à Google I/O le 20 mai 2026. Là où les modèles vidéo précédents prenaient un texte et produisaient un clip, Omni est pensé comme un système any-to-any : du texte, des images, de l'audio et de la vidéo en entrée, un résultat cohérent en sortie. Le premier modèle de la famille, Gemini Omni Flash, est arrivé dans l'app Gemini, Google Flow et YouTube, avec un accès API promis plus tard.
La promesse, c'est le montage conversationnel. Au lieu de relancer la génération jusqu'à tomber sur un bon résultat, vous décrivez un changement (« rendre le violon invisible », « passer à un angle de caméra par-dessus l'épaule ») et le modèle l'applique en gardant le reste de la scène stable. DeepMind affirme qu'Omni a fait un bond dans la compréhension du monde, si bien que la physique et le comportement des objets générés tiennent mieux qu'avant.
La génération de vidéo par IA est la fonction pour laquelle les gens viennent. Le tarif de Gemini Omni est ce qui décide s'ils restent.
La principale limite, c'est la portée. Aujourd'hui, en pratique, Omni est un modèle vidéo. Le terme any-to-any renvoie à une génération d'images et d'audio à venir, mais c'est une feuille de route, pas une fonction déjà livrée. DeepMind marque aussi tout ce qu'il produit avec SynthID et des métadonnées C2PA, ce qui compte si vous comptez utiliser le résultat à des fins commerciales.
Pour commencer
- Ouvrez l'app Gemini, Google Flow ou YouTube et cherchez les outils vidéo propulsés par Omni.
- Rédigez un texte décrivant le clip souhaité, ou importez des images, de l'audio ou de la vidéo de référence pour le guider.
- Générez la première version et examinez-la.
- Décrivez les modifications en langage naturel, comme changer un arrière-plan ou un objet, et laissez Omni régénérer cette partie.
- Exportez ou partagez le clip. Attendez-vous à ce que les marques SynthID et C2PA accompagnent le fichier.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Gemini Omni.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Créateurs vidéo
- Marketing et équipes réseaux sociaux
- Équipes produit et design
- Développeurs
Tâches
- Texte vers vidéo
- Montage vidéo conversationnel
- Image vers vidéo
- Référence vers vidéo
Cas d'usage
- Produire une série de clips courts pour les réseaux à partir d'un concept, où le coût en crédits par génération fixe le plafond pratique.
- Itérer sur un storyboard avant de s'engager sur un tournage complet.
- Ajouter des éléments générés par IA à des images réelles, comme placer un sujet dans un nouvel environnement.
Fonctionnalités clés
Entrée multimodale any-to-any
Omni accepte le texte, les images, l'audio et la vidéo en entrée, puis produit de la vidéo en sortie. Concrètement, vous pouvez lui confier une photo et une phrase, ou un clip plus une référence parlée, et il travaille à partir de tout cela en même temps. DeepMind présente cela comme le socle de la famille, avec d'autres types de sortie promis plus tard.
Montage vidéo conversationnel
La fonction phare, c'est le montage par description. Vous dites à Omni quoi changer, et il applique la modification en gardant la scène alentour cohérente. Parmi les exemples de la page DeepMind figurent rendre un objet invisible, déplacer un musicien dans un autre décor et changer l'angle de caméra. C'est la différence entre relancer et diriger.
Physique solide et compréhension du monde
DeepMind revendique un bond dans la compréhension du monde, et ses exemples s'appuient sur la continuité physique : une bille qui roule sur un rail, une lumière qui s'allume au rythme de la musique, une main qui interagit avec un jouet. Une meilleure physique signifie moins d'artefacts d'objets qui fondent, ceux qui rendaient les modèles vidéo précédents inutilisables au-delà de la nouveauté.
Personnages et voix cohérents
La prise en charge de la référence vers vidéo vous laisse fournir des références d'image et d'audio pour qu'un personnage garde la même apparence et la même voix sur tout un clip. DeepMind rapporte des résultats de premier plan en Préférence globale et Adhérence de la parole sur son test interne de référence vers vidéo, avec des évaluateurs humains sur 468 exemples.
Résultats de benchmark documentés
DeepMind a publié des données comparatives plutôt que des affirmations vagues. Sur MovieGenBench, un benchmark de Meta, Omni a obtenu les meilleurs résultats en Préférence globale et Suivi des instructions sur 1 003 textes. Sur le benchmark image vers vidéo VBench, Omni Flash est à égalité avec Grok-Imagine-Video et Kling, devant les autres modèles. Tous les chiffres viennent des propres évaluations de DeepMind.
Provenance du contenu intégrée
Tout ce qui est créé ou modifié avec Omni dans l'app Gemini, Google Flow ou YouTube porte un filigrane imperceptible SynthID et des métadonnées C2PA. La marque survit à la plupart des modifications, ce qui aide les plateformes et les spectateurs à distinguer une vidéo générée par IA d'une prise de vue réelle.
Accès basé sur des crédits
La génération fonctionne avec des crédits, pas en usage illimité. D'après des retours d'essais, une seule vidéo coûte environ 15 à 40 crédits et une série de modifications autour de 40, le forfait Google AI Pro à $20 par mois incluant 1 000 crédits. Des tests intensifs épuisent cette réserve vite. Jusqu'où 1 000 crédits mènent-ils vraiment ? Pas aussi loin qu'on l'espère.
Avantages et inconvénients
Avantages
- Un seul modèle couvre la génération et le montage, donc vous ne jonglez pas entre des outils distincts à chaque étape.
- Les modifications conversationnelles réduisent les tâtonnements à force de relancer la vidéo jusqu'à ce qu'elle soit bonne.
- Une physique et une compréhension du monde améliorées réduisent cet aspect flottant d'objets qui fondent.
- Le contenu est marqué avec SynthID et C2PA, ce qui soutient une divulgation responsable.
- Disponible dès le premier jour dans l'app Gemini, Google Flow et YouTube.
Inconvénients
- C'est un modèle vidéo en pratique, donc la promesse any-to-any est surtout tournée vers l'avenir.
- Les coûts en crédits s'accumulent : un seul clip ou une modification peut manger une part notable de la réserve mensuelle.
- Pas encore d'API publique, ce qui bloque les développeurs qui veulent bâtir dessus.
- La sortie reste de la vidéo par IA, donc des artefacts et des ruptures de continuité surviennent, comme l'ont noté les premières analyses.
Questions fréquentes
Gemini Omni est conçu pour créer et monter de la vidéo. Vous décrivez un clip en texte, ajoutez éventuellement des références d'image ou d'audio, et il génère la vidéo. Vous pouvez ensuite la réviser en décrivant des changements en langage naturel.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Gemini Omni.
Alternatives à Gemini Omni
ngram 2.0
ngram · Vidéo · Marketingngram 2.0 est un générateur de vidéo IA conçu pour les équipes. Il transforme un prompt, un enregistrement d'écran ou l'URL d'un produit en vidéo explicative, en démo ou en vidéo avec avatar IA, et chaque scène reste modifiable.
OpenScreen 2
OpenScreen (open-source project) · Vidéo · ProductivitéOpenScreen 2 est un enregistreur d'écran et un éditeur de vidéos de démonstration gratuit et open source pour Windows, macOS et Linux, avec zooms automatiques, cadres, sous-titres locaux et montage par agent.
Skreno
Skreno · Vidéo · ProductivitéSkreno est un enregistreur d'écran dans le navigateur : il capture un onglet, une fenêtre ou tout l'écran, puis joint transcription IA, résumé et journaux de console à un seul lien.