2026年11月5日
|Gemini Omni 1.2 Flash 带来 15 秒片段、更强的一致性，以及更快、更具成本效益的生成能力。
Anish Nangia
产品经理，Google DeepMind
分享
收听文章
[[duration]] 分钟
此内容由 Google AI 生成。生成式 AI 仍处于实验阶段
我们正在推出 Gemini Omni 1.2 Flash，它提供原生 15 秒视频创作、更强的参考遵循能力以及多轮对话式编辑。此次更新将成本降低了 30%，并为你的专业项目提供更好的一致性。从今天起，你可以在 Gemini API、Google Vids 和 Gemini for business 中使用这些能力，大规模制作高质量视频内容。
摘要由 Google AI 生成。生成式 AI 仍处于实验阶段。- 我们正在推出 Gemini Omni 1.2 Flash，它支持十五秒视频并提升了参考遵循能力。
- 现在，你可以通过多轮对话编辑片段，从而无需从头开始即可更快地进行调整。
- 我们将价格下调了 30%，以帮助你以更低的成本制作高质量视频内容。
- 该模型已在 Gemini API 和 Google Cloud 上全面可用，可满足你的生产需求。
探索其他风格：
今天，我们正在推出 Gemini Omni 1.2 Flash，并使其在 Gemini API 和 Gemini for business中全面可用。Gemini Omni 1.2 Flash 引入了原生 15 秒视频创作、多轮对话式编辑能力以及增强的参考遵循能力。我们将价格从 Gemini Omni 1.1 下调了 30%，使 720p 视频的价格降至每秒 0.07 美元。
以下是新增功能的概览：
大规模下快速且经济高效
除了更低的价格，这一工作流还能持续压低成本：你可以先用 360p 或 720p 快速起草，再通过后续编辑修正细节，而无需重新生成整段视频，然后将你最满意的作品升级到 1080p 或 4K。
更长的视频，最长可达 15 秒
现在你可以原生生成和编辑最长 15 秒的视频，而 Omni 1.1 的上限为 10 秒。你还可以按 1 秒为增量，在 3 至 15 秒之间指定时长，从而有足够空间在单次生成中讲述完整故事、制作产品讲解视频或产出完整的社交广告片。
更好的参考遵循
你可以结合角色、产品或风格图像、短运动片段（最长三秒）以及音频提示来引导生成——Omni 1.2 Flash 会从头到尾保持这些细节。面部、服装、包装字体和品牌色彩在不同机位角度下保持一致，让你可以轻松将现有的产品摄影或角色设定图转化为虚拟试穿片段、产品目录旋转展示和品牌视频广告。
将一张模特照片与三套服装的正反面产品图结合，Gemini Omni 1.2 Flash 可生成一段 15 秒的虚拟试穿序列，涵盖 360 度旋转和匹配剪辑，同时保持模特身份以及每件服装的剪裁、垂坠感和背面细节一致。
更一致的结果
你可以从第一帧到最后一帧保持更强的角色、物体和场景一致性，减少运动和镜头转场中的视觉漂移或形变。无论你是在首尾关键帧之间进行插值，还是扩展片段以构建更长的序列，产品、角色、道具和环境都能在镜头之间保持一致。
在相同的静态影棚灯光展览海报和五层动画提示词下，Gemini Omni 1.1 Flash 对参考图像的贴合程度不如 1.2。Gemini Omni 1.2 Flash 在灰粉色环形幕布上、沿六边形基座逐层依次构建海报，为 HALO、GLOW 和 LUMEN 组装出罗纹玻璃、暖色灯丝、多面水晶和螺旋线材的字母造型，并在直至最后一帧的整个过程中始终如一地锁定每一种材质、阴影和字体细节。
对话式编辑更轻松
你可以逐轮对同一片段进行精修——例如更换产品或背景、改变光照或天气，或切换宽高比——而无需从头开始。多轮对话式编辑可作用于完整的 15 秒片段，让你轻松为不同受众和投放位置制作广告变体，而无需重新撰写简报或重新生成。
从一段生成的片段开始，多轮对话式提示逐轮替换背景——从条纹凉亭帐篷到橡树林、带白马的马厩、集市和石头城堡——同时保持两位角色的表演、盔甲反光和镜头构图不变。
更自然的语音
你可以生成对话更流畅自然、口型同步更清晰、并具备独特多说话人条件控制的场景。无论你是在 Flow，制作视频讲解 Gemini 企业版，还是用虚拟形象、音乐和旁白制作精美的专业视频，在 Google Vids.
在给定一张温室场景图像以及四个角色、口型和一秒语音参考的条件下，Gemini Omni 1.2 Flash 能将每个采样语音路由到正确的角色，并在 15 秒的动画场景中实现富有表现力的口型同步和自然的喜剧节奏。
更具可控性、更具电影感的画面
你可以执导复杂的连续镜头运动，例如大幅度的FPV穿越飞行、戏剧性的拉远和环绕，同时显著减少不必要的跳切，保持更稳定的画面比例，呈现更精致、更具电影感的视觉效果。
在两张建筑参考照片的引导下，Gemini Omni 1.2 Flash 指挥一次连续的 FPV 无人机飞行，穿越广场、穿过青铜大门，并向上穿过万神殿的方格穹顶抵达圆洞天窗，全程零跳切。
更长片段，运动更流畅，一致性更强
Gemini Omni 1.2 Flash 可生成最长 15 秒的片段，相比以往能更好地保持参考内容的一致性。你可以滚动查看，确认角色、文字和镜头运动在更长的镜头、多次转折和转场中始终保持一致，且没有剪辑。
15 秒长片段：将一个风格帧转化为一段 4 镜头、15 秒的宏观科学讲解视频，并配有拼写准确、运动跟踪的标注。
多轮运动迁移：在第 1 轮生成一只起伏游动的章鱼，然后在第 2 轮将其替换为一位舞者，其礼服精确复现同样的流体运动。
首帧到末帧一致性（1.1 对比 1.2）：在 1.2 Flash 中，通过一次连续的镜头推进，将室外起始帧与室内结束帧连接起来。你可以看到细微差异，比如屋顶上的猫、汤勺变成筷子，以及其他一些细微变化。
不间断的急拉变焦：在一条10秒的镜头中，从紧凑的海岸线特写连续拉远至岛屿航拍全景，比例自然，零剪辑。
从创意工作者到全球品牌，真实世界成果
企业、初创公司和创意工作者已经在他们的工作流程中使用 Gemini Omni 1.2 Flash。而且，Gemini Omni 首次全面开放可用，由 Google Cloud 的企业级基础设施和安全保障提供支持。 预配吞吐量 已可用，且输出带有不可察觉的 SynthID 水印。
开始使用 Gemini Omni 1.2 Flash
尽管开发工作仍在持续，以进一步改进快速运动动作、快速脚本变更和复杂物理效果等方面，但 Gemini Omni 1.2 Flash 非常适合大规模制作视频的企业、开发者和创作者。随着 Gemini Omni 1.2 Flash 在 Google 各产品和开发者平台上逐步推出，你今天就可以开始使用它：
- 对于使用 Gemini API 的开发者： 原型位于 Google AI Studio，探索交互式入门应用，并查看 开发者文档 以及 定价.
- 对于企业： 在以下平台试用： Google Cloud 控制台，并使用 API.
- 对于所有使用 Google 应用的用户： 直接场景和多轮编辑功能在 Flow 中，即可免费额外生成 15 秒片段， Google Vids 使用 Google 账号或 Google Workspace 订阅，在 Gemini 应用 （正逐步向 Google AI Ultra 订阅用户推出），并可在其中规模化投放视频广告 Google Ads.
获取 Google 最新资讯，直达您的收件箱
订阅我们的新闻通讯，获取产品更新、活动信息、特别优惠等更多内容。
完成。只差一步。
请查收您的收件箱以确认订阅。
你也可以通过以下方式订阅。
您的信息将按照 Google 的隐私政策。 您可以随时选择退出。
发布于：