谷歌相册推出AI“视频混音”功能：搭载Gemini Omni，主打数秒内电影级剪辑

一句话看懂：谷歌在相册应用中推出AI驱动的“视频混音”功能，基于其Gemini Omni模型，用户只需选择素材和音乐，即可在数秒内自动生成具备转场、节奏剪辑和调色的短视频，目标直指零门槛的电影级视频创作。

事件核心：发生了什么

谷歌相册（Google Photos）最新上线了“视频混音”（Video Mix）功能，这是其内置AI创作工具的一次重大升级。该功能搭载了谷歌最新的多模态大模型Gemini Omni，能够自动理解用户选择的多段视频素材，分析其内容主题、运动轨迹和面部表情等视觉信息。用户仅需完成选视频、选背景音乐两个步骤，AI就会在几秒钟内自动完成剪辑、添加智能转场、让画面节奏与音乐节拍同步，并统一色调，输出一段成品短视频。目前该功能已向部分用户灰度推送，预计未来数月内覆盖更广泛的Google One订阅用户。

为什么重要

这一功能的发布将AI视频编辑的自动化程度提升到了新层级。此前大多数手机厂商或第三方应用的AI剪辑，通常只能做简单的拼接或“一键成片”，而“视频混音”结合了文本理解、视觉分析与音频节拍对齐，本质上是把专业剪辑中的粗剪、调色、配乐匹配等工序全部交给大模型。对于谷歌而言，这不仅是相册App功能增强，更是Gemini多模态能力在消费级场景中的一次高价值落地——它不依赖云端复杂编辑软件，而是在用户数据的本地/云端混合处理中完成推理，AI的算力成本和生成速度直接决定了功能体验的可用性。这也会倒逼竞品（如苹果的照片应用、第三方剪辑工具巨头）必须在AI原生剪辑体验上加速跟进。

对用户/开发者/创作者的影响

普通用户将获得近乎“零学习成本”的视频作品生成体验，尤其适合日常旅行、家庭聚会等场景，无需下载任何专业剪辑App。不过由于该功能依赖谷歌相册的云存储和Gemini推理，用户需要确保自己的Google One订阅额度足以承载更大的媒体处理需求（可能包含额外计算费用）。创作者和自媒体则可以将该工具作为快速出片或批量生成“预览版”素材的提效手段，但需注意它目前不适合高定制化的精细剪辑，例如无法单独调整每帧关键帧或自定义复杂的多轨效果。开发者可以关注谷歌未来是否会通过API开放“视频混音”的底层能力，从而将AI剪辑集成到电商、教育或社交媒体等垂直应用中。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

首先，该功能是否会对上传视频质量、时长或数量设置硬性上限，将直接影响用户体验的深度。其次，谷歌是否会将其作为Google One付费会员的独占功能，将决定该AI工具能否成为新的商业化增长点。最后，当苹果、Adobe等厂商推出类似的大模型视频剪辑功能时，相比谷歌“先有丰富相册数据，再上AI”的路径，谁能更快地优化推理速度与生成可控性，将成为消费AI视频工具市场胜负的关键变量。

来源：AIbase