Gemini Omni 1.2 Flash

美国谷歌公司于11月5日(当地时间)正式发布了视频生成与编辑模型“Gemini Omni 1.2 Flash”。该模型现已通过面向开发者的“Gemini API”及企业用户的“Google Cloud”平台实现全面开放,同时也集成于“Gemini”应用及视频制作工具“Google Flow”和“Google Vids”中。

“Gemini Omni”最初于2026年5月的谷歌开发者大会(Google I/O 2026)上亮相,是一款专注于视频生成的AI模型。其速度优化版本“Omni Flash”于今年8月升级至“Omni 1.1 Flash”。此次发布的“Omni 1.2 Flash”主要面向日常大量制作的视频内容,如商品介绍、虚拟试穿及广告等场景。

“Omni 1.2 Flash”的主要改进包括:

  • 支持最长15秒视频:生成和编辑视频的时长从之前的10秒提升至15秒,用户可在3至15秒之间以1秒为单位自由设定。
  • 提升对参考素材的忠实度:支持以角色、产品、风格图片,最长3秒的动态剪辑及音频提示作为参考素材。需要注意的是,Google Cloud平台使用音频参考需加入许可名单。即使摄像机角度变化,人物面部、服装、包装文字及品牌色彩等细节依然保持一致。
  • 增强视频一致性:从首帧到末帧,角色、物体及场景的形态更加稳定,减少变形和崩坏现象。
  • 支持对话式编辑:无需重新生成视频,即可通过多轮对话实现产品或背景替换、光照和天气调整、画面比例变更等操作。
  • 音频表现优化:台词更自然,口型同步更精准。多角色场景中,声音能准确匹配对应角色。
  • 强化摄像机动作:支持第一人称视角飞行穿越、缩放及环绕拍摄等复杂镜头,减少跳切,画面更稳定。

与“Omni 1.1 Flash”相同,用户可先以360p或720p分辨率生成草稿,经过细节编辑后再升级至1080p或4K,既节省成本又保证视频质量。

API调用费用为每秒720p视频0.07美元,较“Omni 1.1 Flash”的0.10美元降低了30%。其他分辨率也同步降价。开发者可通过“Google AI Studio”的Gemini API及“Gemini Enterprise Agent Platform”访问该服务,并支持“Provisioned Throughput”功能。

普通用户则可在AI视频制作工具“Google Flow”中使用该技术进行场景设计和对话式编辑。15秒视频生成功能将逐步向“Google AI Ultra”订阅用户开放。

此外,谷歌办公套件“Google Workspace”的视频制作工具“Google Vids”也将免费支持“Omni 1.2 Flash”生成最长15秒视频,适用于“Business”、“Enterprise”等企业版,以及个人Google账号和“Google AI Pro”、“Ultra”订阅用户。该功能自11月5日起分批上线,生效时间约为1至3天。

生成的视频中会嵌入人眼无法察觉的电子水印“SynthID”,以保障内容版权。谷歌表示,针对快速运动、剧本突变及复杂物理表现等挑战,仍在持续优化中。