Krążą plotki o «Gemini Omni» — nowym narzędziu Google do generowania wideo przez dialog
Przecieki z Google I/O wskazują na rychłe uruchomienie zaawansowanego edytora wideo opartego na AI. Narzędzie rzekomo pozwoli montować filmy, generować treści według szablonów i zarządzać montażem przez czat.
Plotki o «Gemini Omni» to klasyczny przykład tego, jak branża, wstrzymując oddech, patrzy nie na produkt, ale na zmianę architektoniczną, którą ten produkt symbolizuje. Media będą dyskutować o liczbie sekund w filmie czy cenie subskrypcji, ale jako analityk obserwujący tę przestrzeń od środka, widzę tutaj finałowy akt wojny wypowiedzianej jeszcze w lutym 2024 roku. To nie jest wyścig za Sorą, to kapitulacja całej klasy aplikacji przed ideą jednego wszechmocnego interfejsu.
Sedno: co tak naprawdę się dzieje
Sedno nie polega na tym, że Google rzekomo robi „edytor wideo z czatem”. To zbyt płytkie. Sedno polega na tym, że «Gemini Omni» to pierwszy realny komercyjny produkt, zacierający granicę między „generatywnym AI” a „LLM”. Wcześniej mieliśmy Gemini do tekstu i kodu oraz Veo do wideo. To były różne architektury, różne zespoły, różne produkty. Teraz widzimy narodziny Omni Flash — jednolitej multimodalnej modelu, który potrafi „rozumować” (reasoning) jednocześnie nad tekstem, obrazem, audio i wideo oraz zwracać wynik w postaci spójnego pliku wideo.
Zwróćcie uwagę na szczegół, który umyka nieuważnym dziennikarzom: model natywnie, bez zewnętrznych protez, rozumie fizykę (grawitację, dynamikę płynów), historię i kontekst kulturowy. Oznacza to, że u podstaw leży nie tylko model dyfuzyjny, ale LLM-podobne „rozumienie świata”, zapakowane w kod przestrzenno-czasowy. Kiedy piszesz „zrób plastelinową kreskówkę o zwijaniu białka”, Omni nie skleja obrazków z treningu, ale konstruuje scenę, logicznie wyprowadza ruch alfa-helis i sam pisze tekst lektora, który brzmi synchronicznie z wideo. To zmiana paradygmatu z „syntezy pikseli” na „symulację rzeczywistości”.
Chronologia i kontekst
- 2024 (Era fragmentacji): Sora od OpenAI zadziwia wyobraźnię, ale to model do generowania „snów”, niezdolny do niczego poza tekst-w-wideo. Google trzyma Veo jako potężną, ale wciąż oddzielną „rysowarkę”.
- Maj 2025: Uruchomienie „Nano Banana” (Gemini Flash Image) pokazuje, że Google uczy swoje modele tekstowe rodzimego rozumienia obrazów, nie uciekając się do zewnętrznych konwerterów.
- Początek maja 2026: W kodzie aplikacji Gemini znaleziono napis „Powered by Omni”, co wywołuje burzę spekulacji: to nowy Veo czy coś więcej?
- 19-20 maja 2026, Google I/O: Oficjalna zapowiedź. To nie jest zamiennik Veo 3.1, a tym bardziej „odpowiedź na Sorę 2”. To pierwszy strzał w wojnie na zniszczenie wszelkich wyspecjalizowanych narzędzi AI.
Kto wygrywa, a kto przegrywa
Wygrywa:
- Małe i średnie studia kreatywne. Wcześniej, aby wprowadzić poprawki w motion design, potrzebny był zespół montażysty, kolorysty i realizatora dźwięku. Teraz producent mówi do czatu: „Zamień szklany budynek na bańkę mydlaną z fizyką”, a model przelicza wideo, zachowując postać, oświetlenie i ścieżkę dźwiękową. Budżet na iteracje spada z tysięcy do stałych 7,99 USD miesięcznie za subskrypcję AI Plus.
- YouTube jako platforma. Integracja Omni z YouTube Shorts oznacza, że setki milionów użytkowników uzyskają dostęp do generowania „spersonalizowanych memów” (awatarów, naklejek, krótkich skeczy) bez instalowania zewnętrznych aplikacji.
Przegrywa:
- OpenAI (strategicznie). Sora nie żyje. Oficjalnie. Aplikacja zamknięta, API odcięte. Ale zapowiedź Omni nie tylko depcze po grobie konkurenta, ale pokazuje, dlaczego Sora zginęła. Sora była narzędziem do generowania klipów, Omni to interfejs do współtworzenia z AI, powiązany z jednolitą ekosystemem Google (Chrome, YouTube, Drive). To dowodzi, że „goły” model bez ekosystemu aplikacji w 2026 roku jest wart 0 USD.
- Startupy takie jak RunwayML i Luma AI. Ich wycena opierała się na unikalności technologii „multimodalnej edycji”. Ale kiedy Google wbudowuje kontekstowy „montaż przez czat” i zmianę kątów w standardową subskrypcję za 7,99 USD, startupy będą musiały udowodnić, że ich rozwiązanie daje wzrost wydajności porównywalny z ceną wielokrotnie wyższą.
Czego media nie dopowiadają
Najbardziej znaczący fakt, który tonie w zachwytach nad „wideo z bańkami mydlanymi”, to narzędzie do tworzenia cyfrowych awatarów, które jest dołączone. Media piszą, że możesz wygenerować swój cyfrowy wizerunek do wideo. Ale pomijają, jak dokładnie to działa na poziomie bezpieczeństwa. Aby stworzyć awatar, użytkownik musi przejść wieloetapową procedurę: nagrać siebie, wypowiedzieć zestaw losowych liczb i zweryfikować się.
To nie tylko ochrona przed deepfake'ami. Google buduje pierwszy na świecie zdecentralizowany system weryfikacji biometrycznej do syntezy osobowości. Podczas gdy myślisz, że robisz zabawny mem z sobą na Księżycu, Google przypisuje twój wizualny i głosowy „odcisk” do konta z taką surowością, jakiej pozazdrościłyby banki. To bilet wstępu do świata, w którym twój awatar AI będzie mógł przeprowadzać transakcje. W ciągu najbliższych 90 dni usłyszymy o partnerstwie Google z instytucjami finansowymi w celu weryfikacji przez „Omni Avatars”.
Prognoza: następne 30 dni i 90 dni
30 dni (do 19 czerwca 2026): Zobaczymy ogromny popyt na API Omni wśród deweloperów, ale Google będzie celowo ograniczać jego wydawanie, aby uniknąć losu Sory — przeciążenia centrów danych i gigantycznych rachunków za inferencję. Zamiast tego Google postawi na Flow — swoje AI studio, gdzie model działa w połączeniu z Lyria 3 Pro do muzyki. Spodziewaj się też skandalu: ktoś znajdzie sposób na obejście ochrony awatarów, co wywoła awaryjną aktualizację polityki bezpieczeństwa.
90 dni (do 18 sierpnia 2026): Głównym wydarzeniem nie będzie premiera Omni Pro (choć zostanie zapowiedziana dla segmentu enterprise z długością filmów powyżej 10 sekund), ale faktyczne „zabicie” preinstalowanych edytorów wideo w Androidzie. Po co ci Adobe Premiere Rush czy CapCut, skoro wbudowane Google Photos i YouTube Create pozwalają przez czat zmienić pogodę w twoim wakacyjnym filmie z deszczu na słońce, a do tego podłożyć głos Davida Attenborough? Pakiet monetyzacji Omni zostanie przepakowany: zobaczymy „monetyzację przez awatary”, gdzie będziesz mógł sprzedawać lub licencjonować swój wytrenowany biometryczny odcisk reklamodawcom. Kontrola nad własnym wyglądem i głosem przestanie być kwestią prywatności, stając się kwestią rynku towarowego.
— Editorial Team
Brak komentarzy.