谷歌（Google）正在向其 AI 订阅用户推送一项名为“Video Remix”的全新功能，允许用户直接在 Google Photos 中利用人工智能编辑甚至“重塑”他们保存的视频。该功能由谷歌近期发布的万能多模态模型 Gemini Omni 提供支持。#Gemini Omni 旨在让用户“通过任何输入创建任何内容”，而 Video Remix 的推出则能让普通用户免于去学习复杂的 Premiere Pro 剪辑教程，只需通过简单的指令即可完成视频创作。
这一新功能位于 Google Photos 的“创建（Create）”标签页中，其中包含了一个丰富的模板库，可用于重新构想和设计你的视频。在官方演示中，这些编辑效果虽然相对克制，但极为实用。例如，你可以让 Gemini 为视频叠加水彩滤镜、为暗光场景添加晨光效果，或者直接替换成一个完全不同的背景。谷歌表示，系统仅需几秒钟即可处理完提示词并生成编辑后的视频。
作为该功能的技术基石，Gemini Omni 最早于今年 5 月份亮相，视频生成与处理是其首要关注的领域。作为 Nano Banana 以及谷歌 Veo 3.1 视频生成器的继承者，该模型可以接受更广泛的输入类型，并且能够更好地理解重力和动能等物理规律，从而使生成的场景更加逼真。此外，它还允许用户通过创建个人数字分身（Digital Avatar）将自己植入视频中，并由谷歌的 SynthID 工具自动添加隐形水印以防滥用。
目前，Video Remix 已开始向美国及部分其他国家和地区的 Google AI Plus、Pro 和 Ultra 订阅用户逐步推出。
从 AI Agent（智能体）生态的角度来看，Google 推出的 Video Remix 绝非一个简单的视频滤镜工具，而是多模态 Agent 在个人端（ToC）应用落地的一座里程碑。传统的视频剪辑代理往往受限于高昂的算力和漫长的渲染时间，而基于 Gemini Omni 物理引擎级的理解力，Agent 第一次真正实现了“所说即所得”的秒级实时视频重塑。这种能力将多模态交互从“看懂视频、生成视频”推进到了“在保留原始实体特征的同时，重构场景物理属性”的全新阶段。更重要的是，支持数字分身和 SynthID 水印的闭环设计，为未来具身智能（Embodied Agent）和虚拟化身在社交/生产力场景的自主创作打下了合规基础。未来，这类“Remix”能力将成为端侧 Agent 的标配，极大降低高质量多模态内容的生产门槛，重塑人机协同的内容生态。
