谷歌正式推出全新Gemini Omni 1.2 Flash视频生成模型,目前已在Gemini API与Gemini for business平台全面开放使用。新版模型在视频生成时长、编辑灵活性与内容一致性等方面均有升级,同时显著降低了使用成本,进一步让AI视频生成更易应用于实际业务。
1、生成时长与使用成本优化
相较1.1版本,模型原生支持的视频时长由10秒提升至最长15秒,并允许在3至15秒之间以1秒为单位自行设定。一次生成即可涵盖完整故事、产品讲解或社交平台广告片段。价格较1.1版本下降30%,720p视频生成价格仅为每秒0.07美元,约合0.47元人民币。借助分层生成工作流,用户可以先用360p或720p快速完成草稿,再针对细节进行修改,无须重新生成整段视频,最终再提升至1080p或4K,从而进一步控制规模化使用的成本。
2、参考素材遵循能力增强
创作者可输入角色、产品或风格参考图,并结合最长3秒的动态片段与音频线索来引导生成。在不同镜头及角度下,模型能够持续维持面部特征、服装、包装文字与品牌配色的一致性。因此,现有产品图片和角色设定图可直接用于虚拟试穿、产品旋转展示以及品牌视频广告制作。
3、整段视频的内容一致性增强
新版模型能够从首帧到末帧保持角色、物体与场景高度一致。即使人物或镜头持续运动、发生切换,也能明显减少视觉漂移与形体变形。无论是在首尾关键帧之间补充过渡,还是延长已有片段构建连续长视频,产品、角色、道具和环境在不同镜头中都能维持统一。
4、支持多轮对话式修改
用户可以围绕同一段视频逐轮提出调整要求,例如更换产品或背景、改变光照与天气、切换画面比例,而无须从头重新生成。该编辑方式适用于完整的15秒片段,可针对不同受众和投放渠道快速制作广告版本,省去反复编写提示词和重新生成视频的步骤。
5、音频与画面质量同步提升
模型可生成更加自然流畅的对话,并提升口型同步的清晰度;同时支持对多说话人进行条件控制,适用于多角色剧情视频及产品讲解类内容的制作。复杂连续镜头运动控制也是新增能力之一,可实现全景FPV穿越、戏剧化拉远、环绕镜头等效果,有效减少不必要的跳切,让输出画面更接近电影级制作质感。
6、落地应用与使用渠道
依托谷歌云企业级基础设施与安全能力,平台支持预置吞吐量,所有生成内容均带有肉眼难以察觉的SynthID水印。目前,开发者可通过Google AI Studio完成原型调试,并查阅相关文档与定价信息;企业用户可在谷歌云控制台中体验;普通用户可在Flow中编排场景并完成多轮编辑,也可通过Google Vids免费生成15秒片段。Gemini App正在向Google AI Ultra订阅用户逐步开放,Google Ads也已支持使用该模型进行规模化视频广告投放。






