Google 发布 Gemini Omni，可将图像、音频与文本统一生成视频内容

在 I/O 2026 大会上，Google 推出 Gemini Omni 模型，可同时理解并生成图像、语音、文本和视频，被视为其下一代多模态 AI 核心能力，重点面向内容创作与智能代理场景。