Gemini Omni 1.2 Flash：快速、高性价比，支持更长视频片段
内容提要
谷歌发布Gemini Omni 1.2 Flash视频生成模型，已通过Gemini API和企业版开放。该模型支持原生15秒视频生成（可按1秒递增设定3至15秒），价格较1.1版降低30%，720p为每秒0.07美元。新增多轮对话式编辑，可逐轮更换产品、背景、光线或画幅而无需重新生成；参考图遵循能力增强，人物、产品、文字和品牌色在镜头切换中保持一致；语音更自然，口型同步更准，支持多角色对话；镜头运动更可控，减少跳切，画面更具电影感。
延伸解读
成本控制不止于降价
文章指出，除了价格降低30%外，工作流本身也能控制成本：可以先用360p或720p快速草拟，再通过后续编辑修正细节，而不是重新生成整个片段，最后将满意的作品升级到1080p或4K。这种“草稿-编辑-升级”的流程，结合按秒计费（720p每秒0.07美元），有助于在批量生产视频时减少不必要的重生成开销。
多轮编辑与参考遵循的实用价值
多轮对话式编辑允许在同一个15秒片段上逐轮更换产品、背景、光线或画幅，而无需重新生成。同时，参考图遵循能力增强，使人脸、服装、包装文字和品牌色在镜头切换中保持一致。这意味着广告变体制作和虚拟试穿等场景可以基于已有素材快速迭代，减少重复简报和重新生成的工作量。
当前能力边界与适用场景
文章明确提到，模型仍在改进快速运动、快速脚本变化和复杂物理效果。因此，它更适合企业、开发者和创作者进行规模化视频生产，例如产品讲解、社交广告和品牌视频，而不是对高速运动或复杂物理模拟有严格要求的场景。此外，输出带有不可感知的SynthID水印，企业版还提供Provisioned Throughput。
Q&A
Gemini Omni 1.2 Flash 的价格是多少？相比上一代有什么变化？
Gemini Omni 1.2 Flash 的 720p 视频价格为每秒 0.07 美元，相比 Gemini Omni 1.1 降价了 30%。
Gemini Omni 1.2 Flash 支持多长的视频生成？可以精确到秒吗？
支持原生生成最长 15 秒的视频，并且可以按 1 秒递增，在 3 到 15 秒之间指定时长。
多轮对话式编辑功能具体能做什么？
可以在同一段视频上逐轮修改，比如更换产品、背景、光线、天气或画幅比例，而无需重新生成整个片段，方便制作不同版本的广告。
参考图遵循能力增强体现在哪些方面？
可以结合人物、产品或风格图片、短运动片段（最长 3 秒）和音频提示来引导生成，模型能在镜头角度变化中保持人脸、服装、包装文字和品牌色的一致性，适合虚拟试穿、产品展示和品牌广告。
语音和口型同步方面有什么改进？
语音更自然流畅，口型同步更准确，支持多角色对话，并能将不同的声音路由到正确的角色，适用于多角色对话场景。
镜头运动控制有哪些提升？
可以指导复杂的连续镜头运动，如 FPV 穿越、缩放和环绕，显著减少不必要的跳切，画面更稳定、更具电影感。
如何开始使用 Gemini Omni 1.2 Flash？
开发者可通过 Gemini API 在 Google AI Studio 中原型设计，企业可在 Google Cloud 控制台使用，普通用户可在 Flow、Google Vids、Gemini 应用和 Google Ads 中使用。
