谷歌发布Gemini Omni 1.2 Flash：支持15秒视频生成并降价30%

11月6日，谷歌公司正式发布了新一代视频生成模型Gemini Omni 1.2 Flash。该模型在视频时长、编辑灵活性及成本控制方面进行了显着升级，支持原生生成最长15秒的视频片段，并将720p分辨率视频的生成价格下调30%，降至每秒0.07美元。此次更新标志着谷歌在AI视频生成领域进一步向规模化应用和低成本创作迈进。

核心功能升级：时长延长与对话式编辑

Gemini Omni 1.2 Flash将视频生成的最大时长从上一代模型的10秒延长至15秒，并允许用户在3至15秒之间以1秒为单位自定义时长。这一改进使得生成完整的故事片段、产品讲解或社交广告成为可能，无需拼接多个短片段。

该模型引入了一项名为“对话式编辑”的功能，允许用户通过多轮对话对已生成的视频进行局部调整。例如，用户可以要求更换背景、调整光线或修改画面比例，而无需重新生成整个视频。谷歌表示，这项功能适用于完整的15秒视频，有助于用户为不同受众或投放渠道快速生成广告变体，从而减少重复编写提示词和重新生成的时间成本。

成本优化与视觉一致性提升

在成本控制方面，谷歌推荐了一种分层工作流：用户可以先以360p或720p的低分辨率生成初稿，通过对话式编辑修正细节，最后仅对最终成片进行升频处理至1080p或4K。这种策略进一步压缩了整体使用成本。

此外，新模型在参考素材的遵循能力上也有显着提升。用户可以输入人物形象图片、产品照片、最长3秒的短视频片段以及音频提示。模型能够在不同拍摄角度下，保持人物面部、服装、产品包装文字及品牌配色的一致性。谷歌举例称，仅凭一张模特照片和三套服装产品图，模型即可生成包含360度转身的15秒连续画面，同时保持模特身份及服装剪裁不变。

在视觉稳定性方面，新模型减少了画面运动和镜头切换过程中的视觉偏移和形变。它能够处理更复杂的连续镜头运动，如FPV无人机飞行镜头或快速拉远镜头，并大幅减少不必要的跳切。同时，模型生成的对话语音更加流畅自然，口型同步效果更精准，并支持区分多个不同说话者。

目前，Gemini Omni 1.2 Flash已通过Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids等平台陆续推出。面向Google AI Ultra订阅用户的Gemini应用及Google Ads也在逐步接入该模型。所有生成的视频均带有不可感知的SynthID水印，以标明其AI生成来源。