Kolují zvěsti o „Gemini Omni“ – novém nástroji Google pro generování videa prostřednictvím dialogu
Úniky z Google I/O naznačují brzké spuštění pokročilého videoredaktoru na bázi AI. Nástroj údajně umožní stříhat videa, generovat obsah podle šablon a řídit střih pomocí chatu.
Zvěsti o „Gemini Omni“ jsou klasickým příkladem toho, jak průmysl se zatajeným dechem nesleduje produkt, ale architektonický posun, který tento produkt symbolizuje. Média budou diskutovat o počtu sekund ve videu nebo ceně předplatného, ale jako analytik, který toto prostředí sleduje zevnitř, zde vidím finální akt války vyhlášené už v únoru 2024. Není to závod se Sorou, je to kapitulace celé třídy aplikací před myšlenkou jediného všemocného rozhraní.
Podstata: co se skutečně děje
Podstatou není to, že Google údajně dělá „videoredaktor s chatem“. To je malicherné. Podstatou je, že „Gemini Omni“ je první skutečně komerční produkt, který stírá hranici mezi „generativní AI“ a „LLM“. Dříve jsme měli Gemini pro text a kód a Veo pro video. Byly to různé architektury, různé týmy, různé produkty. Nyní jsme svědky zrodu Omni Flash – jednotného multimodálního modelu, který je schopen „uvažovat“ (reasoning) současně nad textem, obrazem, zvukem a videem a vydávat výsledek v podobě celistvého videosouboru.
Všimněte si detailu, který nepozorní novináři přehlížejí: model nativně, bez externích berliček, rozumí fyzice (gravitaci, dynamice kapalin), historii a kulturnímu kontextu. To znamená, že v základu není jen difuzní model, ale LLM-podobné „chápání světa“ zabalené do časoprostorového kodeku. Když napíšete „udělej plastelínový kreslený film o skládání bílkovin“, Omni neslepuje obrázky z trénovacích dat, ale konstruuje scénu, logicky odvozuje pohyb alfa-helixů a sám píše komentář, který zní synchronně s videem. To je změna paradigmatu od „syntézy pixelů“ k „simulaci reality".
Časová osa a kontext
- 2024 (Éra fragmentace): Sora od OpenAI ohromuje představivost, ale je to model pro generování „snů“, neschopný ničeho jiného než text-do-videa. Google drží Veo jako výkonný, ale stále samostatný „kreslící nástroj".
- Květen 2025: Spuštění „Nano Banana“ (Gemini Flash Image) ukazuje, že Google učí své textové modely přirozenému porozumění obrázkům, aniž by se uchyloval k externím převodníkům.
- Začátek května 2026: V kódu aplikace Gemini je nalezen řetězec „Powered by Omni“, což vyvolává vlnu spekulací: je to nový Veo nebo něco víc?
- 19.–20. května 2026, Google I/O: Oficiální oznámení. Není to náhrada za Veo 3.1 a už vůbec ne „odpověď na Soru 2". Je to první výstřel ve válce na zničení všech úzce specializovaných AI nástrojů.
Kdo vyhrává a kdo prohrává
Vyhrává:
- Kreativní studia malé a střední velikosti. Dříve k úpravám motion designu potřebovali tým střihače, koloristy a zvukaře. Nyní producent řekne do chatu: „Vyměň skleněnou budovu za mýdlovou bublinu s fyzikou“ a model přepočítá video, přičemž zachová postavu, osvětlení a zvukovou stopu. Rozpočet na iterace klesá z tisíců na fixních 7,99 $ měsíčně za předplatné AI Plus.
- YouTube jako platforma. Integrace Omni do YouTube Shorts znamená, že stovky milionů uživatelů získají přístup ke generování „personalizovaných memů“ (avatary, nálepky, krátké scénky) bez instalace aplikací třetích stran.
Prohrává:
- OpenAI (strategicky). Sora je mrtvá. Oficiálně. Aplikace je uzavřena, API odpojeno. Ale oznámení Omni nejen šlape po hrobě konkurenta, ale ukazuje, proč Sora zemřela. Sora byl nástroj pro generování klipů, Omni je rozhraní pro spolupráci s AI, provázané s jednotným ekosystémem Google (Chrome, YouTube, Drive). To dokazuje, že „holý“ model bez aplikačního ekosystému má v roce 2026 hodnotu 0 $.
- Startupy jako RunwayML a Luma AI. Jejich ocenění stálo na jedinečnosti technologií „multimodálního editování“. Ale když Google zabuduje kontextový „chat-střih“ a změnu úhlů do standardního předplatného za 7,99 $, startupy budou muset dokazovat, že jejich řešení přináší nárůst produktivity srovnatelný s cenou mnohonásobně vyšší.
Co média neříkají
Nejvýznamnější fakt, který se topí v nadšení z „videa s mýdlovými bublinami“, je nástroj pro tvorbu digitálních avatarů, který je součástí balíčku. Média píší, že si můžete vygenerovat svůj digitální obraz pro video. Ale přehlížejí, jak přesně to funguje na úrovni zabezpečení. K vytvoření avatara musí uživatel projít vícestupňovým postupem: nahrát se, vyslovit sadu náhodných čísel a ověřit se.
To není jen ochrana proti deepfake. Google buduje první decentralizovaný systém biometrického ověřování pro syntézu osobnosti. Zatímco si myslíte, že děláte vtipný mem se sebou na Měsíci, Google připojuje váš vizuální a hlasový „otisk“ k účtu s takovou přísností, že by mu banky záviděly. Je to vstupenka do světa, kde váš AI avatar bude moci provádět transakce. V příštích 90 dnech uslyšíme o partnerství Google s finančními institucemi pro ověřování prostřednictvím „Omni Avatars".
Předpověď: příštích 30 dní a 90 dní
30 dní (do 19. června 2026): Uvidíme obrovskou poptávku po API Omni mezi vývojáři, ale Google bude záměrně omezovat jeho vydávání, aby se vyhnul osudu Sory – přetížení datových center a divokým účtům za inferenci. Místo toho Google vsadí na Flow – své AI studio, kde model pracuje v kombinaci s Lyria 3 Pro pro hudbu. Také očekávejte skandál: někdo najde způsob, jak obejít ochranu avatarů, a to vyvolá nouzovou aktualizaci bezpečnostní politiky.
90 dní (do 18. srpna 2026): Hlavní událostí nebude vydání Omni Pro (i když bude oznámeno pro podnikový segment s délkou videí delší než 10 sekund), ale faktické „zabití“ předinstalovaných videoredaktorů v Androidu. K čemu vám Adobe Premiere Rush nebo CapCut, když vestavěný Google Photos a YouTube Create umožní přes chat změnit počasí ve vašem dovolenkovém videu z deště na slunce a ještě to namluvit hlasem Davida Attenborougha? Balíček monetizace Omni bude přebalen: uvidíme „monetizaci prostřednictvím avatarů“, kde budete moci prodávat nebo licencovat svůj natrénovaný biometrický otisk inzerentům. Kontrola nad vlastním vzhledem a hlasem přestane být otázkou soukromí a stane se otázkou trhu s komoditami.
— Editorial Team
Zatím žádné komentáře.