Gemini Omni 1.2 Flash：快速、高性价比，支持更长视频片段
内容提要
谷歌发布视频生成模型Gemini Omni 1.2 Flash，支持原生15秒视频（可按1秒递增至3–15秒），价格较1.1版降低30%，720p每秒0.07美元。新模型提升了参考图一致性，人物、产品与品牌元素跨镜头保持稳定；支持多轮对话式编辑，可逐轮更换背景、产品或画幅而无需重新生成；语音更自然、口型更准确，镜头运动更流畅、跳切更少。该模型已通过Gemini API和Google Cloud全面开放，并接入Flow、Google Vids、Gemini应用和Google Ads。
延伸解读
成本控制不止于降价
文章提到，除了价格降低30%，工作流本身也能控制成本：先用360p或720p快速草稿，再通过后续编辑修正细节，而不是重新生成整个片段，最后将最佳作品升级到1080p或4K。这种“草稿-编辑-升级”的流程，对于需要批量产出视频的团队来说，可能比单纯比较每秒单价更有实际意义。
参考一致性提升的实际用途
新模型在人物、产品、品牌元素跨镜头保持稳定方面有所增强。文章举例，结合一张模特照片和三套服装的正反面产品图，可生成15秒虚拟试穿序列，保持模特身份和每件服装的剪裁、垂坠感及背面细节一致。这意味着现有产品摄影或角色设定图，可以更直接地转化为目录旋转、品牌广告等视频素材。
对话式编辑改变迭代方式
多轮对话式编辑允许在同一片段上逐轮调整，例如更换背景、产品或画幅，而无需重新生成。文章演示了从条纹帐篷到橡树林、马厩、集市和石城堡的背景替换，同时保持角色表演、盔甲反光和镜头构图不变。对于需要制作不同受众或版位广告变体的团队，这可以减少重复描述和重新生成的工作量。
已知局限与适用场景
文章明确指出，模型在快速体育动作、快速脚本变化和复杂物理方面仍在继续改进。因此，它更适合企业、开发者和创作者进行规模化视频生产，而非所有高动态或物理复杂的场景。此外，输出带有不可感知的SynthID水印，企业级基础设施和安全由Google Cloud支持，并可选Provisioned Throughput。
Q&A
Gemini Omni 1.2 Flash 支持多长的视频？可以按秒指定时长吗？
支持原生最长 15 秒的视频，相比 Omni 1.1 的 10 秒有所提升。时长可按 1 秒递增，在 3 到 15 秒之间指定。
Gemini Omni 1.2 Flash 的价格是多少？比上一版便宜多少？
720p 视频价格为每秒 0.07 美元，比 Gemini Omni 1.1 降低了 30%。
这个模型在参考图一致性上有什么改进？
能更好地保持人物、产品、服装、包装文字和品牌颜色在多个镜头角度下的一致性，减少视觉漂移或变形。可结合角色、产品或风格图片、最长 3 秒的短运动片段和音频提示来引导生成，细节从始至终保持稳定。
多轮对话式编辑具体能做什么？需要重新生成整个视频吗？
可以逐轮修改同一个片段，例如更换产品或背景、调整光照或天气、切换画幅比例，而无需从头重新生成。该功能适用于完整的 15 秒片段，便于制作不同受众和投放位置的广告变体。
Gemini Omni 1.2 Flash 在语音和镜头运动方面有哪些提升？
语音更流畅自然，口型同步更准确，支持多说话人区分。镜头运动更可控，能实现复杂的连续运镜（如 FPV 穿越、拉远、环绕）， unwanted 跳切显著减少，画面比例更稳定，整体更具电影感。
我可以在哪些平台或产品中使用 Gemini Omni 1.2 Flash？
已通过 Gemini API 和 Google Cloud 全面开放。开发者可在 Google AI Studio 中试用；企业可在 Google Cloud 控制台使用；普通用户可在 Flow、Google Vids、Gemini 应用（面向 Google AI Ultra 订阅者逐步推出）和 Google Ads 中使用。
