Google Vids 推出 Gemini Omni 和个人虚拟形象，将 AI 视频引入 Workspace

Google Vids 推出 Gemini Omni 和个人虚拟形象，围绕工作场所视频应如何变革提出了两个相互关联的设想。前者可将普通提示词转化为视频创作和编辑指令。后者则能让员工的数字化形象朗读输入的脚本，无需再次进行拍摄。

此次更新于 7 月 16 日发布，推动 Google Vids 超越辅助式故事板和孤立的片段生成。用户现在可以通过自然语言指导修改，而个人虚拟形象则能再现账户持有人的外貌和声音。Google 正将这两项功能纳入一个企业已用于文档、演示文稿、电子邮件和会议的协作套件中。

这也带来了真正的矛盾。专业 AI 视频平台的吸引力建立在无需摄像机、演员和复杂编辑软件的基础上。Google 如今可以在 Docs 和 Slides 旁提供类似的制作模式，而许多工作场所信息正是从这里开始产生。问题不再是生成式视频是否有效，而是 Workspace 内的便利性是否比专业工具提供的深度控制更重要。

Google Vids 推出 Gemini Omni 和个人虚拟形象

此次更新将生成、迭代编辑和数字化演示整合到同一个工作场所视频项目中。

Gemini Omni 接受自然语言提示词和图像参考，例如照片或草图。它利用这些输入生成符合所要求主体、构图和方向的视频片段。用户无需先将创意转化为传统的时间轴操作，就能看到初步结果。

更重要的新增功能出现在首次生成之后。用户可以通过描述期望的变化，让 Vids 替换背景、调整光线或添加效果。该系统支持逐步修改，因此编辑者可以完善现有结果，而不必重新生成整个片段。

这种区别很重要，因为初稿很少能原封不动地用于实际制作。生成的场景可能主体正确，但氛围不对。它的光线可能与其他素材冲突，或者背景可能分散观众对培训信息的注意力。基于提示词的修改缩小了“生成一个尚可的片段”与“生成一个适合整体项目的片段”之间的差距。

Google 表示，该编辑工作流也适用于手机拍摄的素材。因此，Gemini Omni 的作用不只是文本生成视频工具，它还成为一个对话式编辑层，可用于处理合成素材和实拍素材。

个人虚拟形象解决的是另一个制作瓶颈。用户上传一张自拍照和一段简短的语音录音，然后输入脚本。生成的虚拟形象会以该用户的外貌和声音在屏幕上讲述书面信息。

这种工作流可以取代日常沟通中反复进行的录制。经理无需每次准备拍摄设备，就能制作每周项目更新。产品专家可以在功能变更后修改演示中的一个段落。培训团队无需让原演讲者重返摄影棚，就能更新合规说明。

Google 将虚拟形象创建限制为账户持有者本人的形象。该功能与用户的 Google Account 关联，目前要求用户年满 18 周岁，同时也受到地区限制。

该公司的虚拟形象隐私指南称，面部和语音录音会与用户账户一同存储。Google 表示，除处理滥用或伤害情况外，这些录音不会用于训练其生成式模型。它还提醒，在某些司法管辖区，相关信息可能被认定为生物识别数据。

符合条件的 Google AI 订阅者和 Google Workspace 企业客户可通过 Google Vids 使用 Gemini Omni 和个人虚拟形象。此次公告并不意味着所有用户都能使用。管理员和个人用户仍需检查账户、地区和功能资格。

每个生成的片段都包含 SynthID，这是 Google 为 AI 生成媒体提供的隐形水印。受支持的工具可以检查这一技术标识，但观众仅通过观看视频并不会看到任何可见披露。

这些变化构成了本文的核心冲突。Google 不只是在增加另一个生成按钮，而是在一个熟悉的协作环境中压缩工作场所内容制作的多个阶段。

基于提示词的视频编辑为何会改变工作流

Gemini Omni 的重要性在于，它不仅让生成，也让修改成为一种对话式过程。

生成式视频最初因能够将文本转化为动态图像而受到关注。这让令人印象深刻的演示成为可能，但并未消除从初步结果到可用成品之间的工作。商业视频需要一致的信息、可识别的品牌形象、准确的产品细节和可控的节奏。

传统编辑器通过轨道、蒙版、色彩控制、关键帧和效果面板来满足这些要求。这些系统可以提供精确控制，但也要求用户接受培训。Gemini Omni 引入了一种不同的控制界面：用户描述期望的结果、查看生成内容，然后提出下一项修改要求。

以一段内部安全视频为例。团队可能会生成一名工人进入工厂车间的画面，随后发现其服装不符合现场要求。编辑者可以要求更换防护装备并调整光线，而无需舍弃整个片段。这种交互更像是向人类编辑提供反馈，而不是操作传统时间轴。

相同的机制也可以帮助处理不太复杂的素材。在办公室光线不佳的情况下用手机拍摄的视频，可以通过书面指令进行调整。令人分心的房间背景可以替换，演讲者完成录制后也可以添加效果。

这个过程降低了技术门槛，但并未消除编辑判断的必要性。用户仍然必须识别事实错误、视觉不一致、节奏生硬以及扭曲原始信息的修改。自然语言控制让指令更容易下达，但并不能保证每次生成的结果都正确。

Google 一直在分阶段推进这一模式。2024 年 11 月，Vids 面向符合条件的 Workspace 客户广泛开放时，其 Gemini 功能主要侧重于生成初稿。通过提示词和来自 Drive 的资料，用户可以生成大纲、推荐场景、脚本、素材库媒体和背景音乐。

随后，该公司增加了原创片段生成功能。2025 年 8 月，Google 表示 Vids 的月活跃用户已超过 100 万，并且可以使用 Veo 3 创建 8 秒长的片段。此次发布还将素材库 AI 演示者、转录文本剪辑和图像生成视频功能带入产品。

2026 年 4 月，Google 再次扩展 Vids，加入 Veo 3.1 生成、自定义音乐、控制能力更强的虚拟形象以及直接发布到 YouTube 的功能。该公司表示，使用个人 Google 账户的用户每月可获得有限次数的视频生成机会，而其他功能则取决于账户资格。

Gemini Omni 将这一演进从辅助式组装延伸到了迭代式制作。该模型的价值在于，它可以同时处理指令和参考图像，并在后续修改中保留上下文。用户可以在同一工作流中从“制作这个场景”转向“修改这个部分”。

这使得 Google Vids 的新功能对于源素材已经存储在 Workspace 中的团队尤其有用。产品简报可以转化为脚本，Slides 可以提供视觉结构，Drive 可以提供已获批准的图像，同事则可以通过熟悉的共享和评论控件审阅项目。

制作开始前，信息管理仍然很重要。团队依然需要可靠的源材料、经过批准的声明和最新文档。可搜索的知识库可以帮助整理这些输入内容，之后再由虚拟形象或生成场景将其呈现为完整视频。

最终，从工作场所信息到工作场所媒体的路径变得更短。Google 控制着这条路径中的多个环节，包括源文档、协作、生成、修改和分发。这种整合正是专业 AI 视频平台必须应对的战略优势。

Google 的分发能力给专业 AI 视频工具带来压力

Google 依靠在工作流中的位置展开竞争，而专业平台仍然依靠制作深度竞争。

在 Google 进入这一市场之前，AI 虚拟形象公司已经确立了明确的价值主张。客户可以编写脚本、选择或创建演示者，并在无需协调传统拍摄的情况下生成精美视频。培训、入职引导、销售支持和多语言沟通成为常见用例。

Google 现在通过 Vids 提供了这一基本模式。更重要的是，它将该模式连接到一个团队已经用于起草脚本、存储素材、征求反馈和控制访问权限的套件。员工无需导出文档、创建另一个账户、重新设置权限，再将成品文件传回原来的工作区。

这种布局给 Synthesia 和 HeyGen 等专业产品带来了压力，也对 Adobe Firefly 和 Canva 等通用创意平台构成挑战。每家竞争对手都从不同的切入点进军 AI 视频，但它们都必须解释用户为什么应该离开现有的生产力环境。

专业工具仍然保有显著优势。专业虚拟形象平台可以提供更丰富的演示者库、翻译工作流、语音控制、模板、分析、品牌治理，以及围绕视频设计的分发功能。有些平台还提供交互式虚拟形象，或针对学习系统和客户支持量身定制的集成功能。

专业创意软件也能提供更深入的手动控制。训练有素的编辑者可能需要精确计时、分层音频、细致的色彩校正、素材管理和逐帧干预。基于提示词的编辑可以加速特定任务，但无法取代这些要求。

Google 的目标更加广泛，也没那么专业。Vids 推出时被定位为一款与 Docs、Sheets 和 Slides 并列的工作场所创作应用。该产品侧重于按场景组装、协作和易于使用的控制方式。其核心受众包括需要通过视频沟通、但并不把自己视为视频编辑者的人。

这一受众群体规模庞大，因为工作场所视频通常由可重复、结构化的信息组成。团队会制作入职课程、政策说明、项目回顾、销售更新、产品演示和高管公告。这些项目通常更需要清晰度和一致性，而非电影级的复杂度。

Google 在推出 Vids时介绍了其中几个用例。客户服务团队可以更新支持说明中的一个场景，领导者可以录制公司沟通内容，学习团队可以制作培训材料，而项目团队则可以将报告转化为更易理解的摘要。

个人虚拟形象进一步强化了这一定位。素材库中的演示者适用于通用内容，但也可能让内部消息显得与发送者疏离。实际经理、培训师或专家的数字化版本既能保留可识别的身份，又能消除日程安排负担。

该功能还允许组织将内容创作与实际录制分离。领域专家可以审核文本，而不必每次修改都重新出镜。初始虚拟形象创建完成后，传播团队可以更正日期、产品名称或说明。

这种便利给既有的“AI 发言人”品类带来了压力。如果员工能在用于编写脚本的同一套件中生成可接受的个人演示者，那么专业平台就必须提供明显更出色的结果，或更完整的操作系统。

Google 也受益于其底层模型组合。Vids 已经使用 Veo 生成视频，并使用 Lyria 生成音乐。Gemini 可以协助组织脚本和项目结构。SynthID 则为多种媒体类型提供统一的水印方案。

因此，竞争格局涉及的不只是 Vids 的某一项功能。Google 可以协调模型、身份、账户控制、存储、协作和发布。独立平台必须融入这一环境，或者说服客户相信，脱离该环境能够创造足够多的额外价值。

专业供应商并非毫无招架之力。许多企业重视多语言交付、品牌模板、审批系统、分析和学习平台集成。采购团队不仅会比较生成质量，还会评估治理与支持。视频专业平台也可以围绕细分制作需求更快迭代。

尽管如此，Google 改变了基准。过去足以促使企业采用独立平台的功能，可能会成为生产力订阅中的标配。专业平台必须转向更高价值的控制能力、垂直行业工作流或可衡量的业务成果。

个人虚拟形象让便利性与身份风险密不可分

数字演示者将身份转化为可重复使用的制作基础设施，从而节省录制时间。

相比看到虚拟形象开口说话的新奇感，这种权衡更值得关注。个人虚拟形象依赖用户的面容、声音和账户关系。这些输入比背景图片或生成的音乐曲目更敏感，因为它们代表着一个可识别的真实人物。

Google 要求账户所有者亲自完成采集流程。其说明要求用户在受控环境中录制自己的面容和声音，按照提示转动头部，并确保背景中没有其他人的面孔。这些检查旨在确认本人参与，并减少未经授权的录入。

该公司表示，用户可以查看虚拟形象的创建和使用位置，也可以通过自己的 Google Account 删除源录制内容。不过，删除源录制内容并不会自动移除已经使用该虚拟形象创建或发布的视频。用户必须在相应服务中管理这些输出内容。

这种区别对雇主十分重要。一家公司可能会使用某位员工的虚拟形象制作数十个培训、销售或政策视频。如果该员工转岗或离职，组织就需要制定规则，涵盖后续使用、移除、归档保留和替换等问题。

创建时的同意并不能回答之后出现的所有问题。员工可能同意将虚拟形象用于内部培训，但不同意用于面向客户的广告。他们可能接受某一种语言或脚本，却反对另一种。可重复使用的个人形象需要在首次录制后仍然有效的范围控制。

书面授权应明确谁可以起草脚本、谁负责审批最终内容、视频可以出现在哪里，以及授权有效期多长。组织还需要建立撤销未来使用权的流程，同时又不丢失必须保留的业务记录。

准确性带来了另一个问题。逼真的虚拟形象会让经过批准的文本看起来像是本人新近发表的声明，即使说话者从未录制过这次具体演绎。观看者可能会认为，被呈现者亲自选择了语气、节奏、面部表情和上下文。

清晰的标注可以减少这种歧义。Google 的 SynthID 水印提供了机器可检测的信号，但不可见水印并不会自动告知每位观看者。当虚拟形象代表真实员工时，工作场所可能仍需采用可见声明、背景说明或政策措辞。

Google DeepMind 将 SynthID 水印描述为一种直接嵌入生成内容、难以察觉的信号。对于视频，该系统会在生成的各帧中加入水印，并力求在裁剪、滤镜处理、帧率变化和压缩等常见编辑后仍可被检测。

这种来源标记很有用，但 Google 自己也曾提醒，SynthID 并不是识别 AI 内容的完整解决方案。检测依赖兼容工具和受支持的输出。水印可以表明内容由 Google AI 生成或修改，却无法解释脚本是否经过批准、上下文是否具有误导性，或者传播是否获得授权。

真实性与授权之间的区别至关重要。检测工具可以识别合成制作，却无法验证消息是否合法。即使冒充内容带有规范水印，如果有人获取了访问权限、超出授权范围，或在未经批准的场景中传播，仍然可能造成伤害。

因此，账户安全也成为视频治理的一部分。组织应使用强身份验证保护启用了虚拟形象的账户，限制能够打开或修改项目的人员，并检查共享设置。脚本审批应与虚拟形象本身的访问控制受到同等重视。

Google 设置的地区和年龄限制表明，该公司已经意识到部分相关问题。个人虚拟形象在某些地区不可用，而且用户必须是成年人。仅限使用账户持有者本人形象的规定，也降低了未经授权复制公众人物或同事形象的直接可能性。

然而，组织不应将这些控制措施视为政策的替代品。各地的隐私和雇佣规定并不相同。面容和声音信息可能受到特殊的法律保护，而工作场所中的同意也可能比消费者同意更为复杂。

质量是另一个不确定因素。Google 表示个人虚拟形象在外观和声音上与创建者相似，但公告并未提供关于形象相似度、口型同步、情绪表现范围或不同脚本间一致性的独立基准。实际表现可能因录制条件、语言、输入质量和场景复杂度而异。

对 Gemini Omni 编辑也应持同样谨慎的态度。使用自然语言修改听起来很简单，但用户必须测试修改是否能保留人物身份、产品细节、徽标、文字和连续性。如果背景替换改变了安全标志或产品控件，高效工作流就可能演变成准确性问题。

负责任的立场既不是拒绝，也不是无条件信任。个人虚拟形象可以减少重复制作工作，尤其适合内容受控且需要频繁更新的沟通场景。同时，组织也必须明确可重复使用的数字身份适用于哪些场景，以及哪些场景仍然需要真人录制。

Google Vids 更新仍需证明什么

采用情况、治理能力和竞争对手的回应，将揭示 Vids 会成为默认的工作场所媒介，还是又一个偶尔使用的 Workspace 工具。

第一个信号是发布后的持续使用情况。Google 表示，在推出 Veo 生成视频片段后，Vids 于 2025 年 8 月拥有超过一百万月活跃用户。未来披露的数据应显示，Gemini Omni 和个人虚拟形象能否推动持续创作，而不只是一次性尝鲜。

使用频率比账户覆盖数量更重要。组织可能只测试一次虚拟形象，之后再也不发布相关内容。更有说服力的结果，是其在培训更新、产品发布、销售赋能和内部传播中得到重复使用。

管理员应关注项目是否真正从草稿推进到获批发布。有效指标包括重复创作者数量、修改轮次、已发布视频数量和虚拟形象复用次数。Google 尚未公开提供此次新版本的这些数据。

第二个信号是 Google 将如何扩展身份控制。目前的文档涵盖账户所有权、源录制内容管理、年龄限制、地区可用性和个人形象相关限制。企业买家还需要更清晰的审批、撤销、保留、审计和员工离职操作控制。

一项有意义的改进，是允许管理员规定虚拟形象可以出现在哪里，以及谁能为其提交脚本。完善的审计记录应显示由哪个账户创建了视频片段、使用了哪个源虚拟形象，以及由谁批准发布。这些控制措施将增强 Google 关于个人虚拟形象适用于业务工作流的主张。

薄弱的治理能力会限制该功能在敏感场景中的应用。法务、人力资源、财务、医疗和公共传播团队无法依赖非正式同意。如果政策管理仍主要依靠人工操作，组织可能只会将该功能用于风险较低的内容。

第三个信号是专业竞争对手的回应。专业 AI 视频公司可以通过改进多语言输出、交互式演示、分析、品牌管理、编辑精度或行业专属控制能力来捍卫自己的地位。它们也可以更深入地与 Workspace 集成，而不是试图取代它。

Adobe 和 Canva 也面临类似的选择。它们可以强调专业创意控制和更广泛的设计系统，而 Google 则强调便利性以及与业务内容的紧密衔接。市场将表明，团队更青睐一体化环境，还是由多个更强大的专业工具组成的组合。

Google 于 2026 年 4 月进行的 Vids 扩展已经表明，其功能集可以多快地发展。该版本新增了 Veo 3.1 生成、可自定义虚拟形象、生成音乐、屏幕录制和 YouTube 发布。如今，Gemini Omni 通过对话式创建和修改，将更多这些功能连接起来。

即使结果尚不明确，发展方向已经十分清晰。Google 希望视频成为另一种日常 Workspace 文档类型，通过提示词创建，并以协作方式修改。个人虚拟形象则将发送者转化为这种文档中可重复使用的组件。

对知识工作者而言，眼前的问题非常实际：哪些消息确实能从视频中获益，哪些消息应继续采用可搜索的文本形式？生成式演示者可以让培训更具亲和力，但也可能把简短更新变成一种浏览更慢、修改更困难的格式。

团队应将脚本、来源、审批记录和决策与最终媒体一并保存。结构化的 AI 工作流可以确保这些材料可追溯，避免精美的虚拟形象让输出内容显得比实际情况更加成熟定型。

可以先从范围明确的使用场景入手，例如定期内部更新，或事实内容较为稳定的入职培训模块。将节省的时间与纠错工作、审批开销和观看者反馈进行比较。然后测试 Gemini Omni 在多次编辑后能否保留重要细节。

Google Vids 推出 Gemini Omni 和个人虚拟形象，并非只是又一次模型发布。这是对职场视频能否变得像幻灯片一样易于编辑、复用和协作的一次检验。请关注重复使用情况、身份治理以及专业人士的反馈。这些信号将共同表明，Google 是改变了制作基准，还是仅仅让初稿制作变得更容易。