Google 發佈 Gemini Omni 1.2 Flash 影片生成模型，原生支援 15 秒影片生成並較 1.1 降價 30%

IT之家 11 月 6 日消息，谷歌正式推出 Gemini Omni 1.2 Flash 視頻生成模型，並在 Gemini API 與 Gemini for business 平台全面開放使用。

新版模型實現了原生 15 秒視頻生成、多輪對話式編輯、更強的參考遵循能力，同時較 1.1 版本降價 30%，720p 視頻生成價格為每秒 0.07 美元（IT之家注：現匯率約合 0.47 元人民幣）。

在規模化降本方面，新版工作流可先以 360p 或 720p 快速起草，通過後續編輯修正細節，無需重新生成整個片段，最後再將成品升級到 1080p 或 4K，進一步壓縮使用成本。

在片段長度上，Gemini Omni 1.2 Flash 將原生支持的視頻時長從 1.1 版本的 10 秒延長到最長 15 秒，並支持以 1 秒為單位，在 3 到 15 秒區間內自定義時長，可一次性完成完整故事、產品講解或社交廣告片段的生成。

在參考遵循方面，用戶可結合角色、產品或風格圖片、最長 3 秒的動態片段與音頻線索引導生成，模型可在全程保持面部、服裝、包裝字體、品牌色彩在不同鏡頭角度下的一致性，方便將現有產品圖、角色設定圖轉為虛擬試穿、產品旋轉展示與品牌視頻廣告。

在結果一致性上，新版模型從首幀到末幀可保持角色、物體、場景的強一致性，在運動與鏡頭切換過程中減少視覺漂移、變形；無論是在首末關鍵幀之間做插值，還是延長片段構建長序列，產品、角色、道具與環境都能在不同鏡頭間保持統一。

在對話式編輯方面，用戶可逐輪對同一片段進行調整，比如替換產品或背景、修改光照或天氣、切換畫面比例，無需從頭重新生成，該多輪對話編輯能力可覆蓋完整 15 秒片段，方便為不同受眾、不同投放位生成廣告變體，無需重新編寫提示詞、重新生成。

在語音效果上，新版模型可生成更流暢自然的對話、更清晰的口型同步，支持多説話人條件控制，適用於 Flow 中導演多角色對話、Gemini for business 中製作講解類視頻，以及 Google Vids 中製作帶數字人、音樂與旁白的專業視頻。

在電影級畫面控制上，用戶可指揮複雜連續鏡頭運動，比如全景 FPV 穿越、戲劇化拉遠、環繞鏡頭，大幅減少不必要的跳切，保持更穩定的縮放比例與更精緻的電影質感。

目前 Gemini Omni 首次實現全面正式可用，依託谷歌雲企業級基礎設施與安全能力，支持預置吞吐量（Provisioned Throughput），生成內容自帶肉眼不可感知的 SynthID 水印。

開發者可通過 Google AI Studio 原型調試、查看文檔與定價；企業用戶可在谷歌雲控制台體驗；普通用戶可在 Flow 中導演場景與多輪編輯，在 Google Vids 中免費生成 15 秒片段，Gemini App 面向 Google AI Ultra 訂閲用戶逐步推送，Google Ads 支持規模化視頻廣告投放。