2026年11月5日
|
Gemini Omni 1.2 Flash 带来 15 秒视频片段、更强的一致性，以及更快、更具成本效益的生成能力。
Anish Nangia
Google DeepMind 产品经理
▶ Gemini Omni 1.2 Flash: Fast and cost\u002Deffective with longer clips
收听文章
[[duration]] 分钟
此内容由 Google AI 生成。生成式 AI 处于实验阶段
今天，我们推出 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 中全面开放。Gemini Omni 1.2 Flash 引入了原生 15 秒视频创建、多轮对话编辑功能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%，现在 720p 视频的价格为每秒 0.07 美元。
以下是新功能的概述：
大规模下快速且经济高效
除了更低的价格，工作流程也能降低成本：你可以快速以 360p 或 720p 进行草稿，通过后续编辑修复细节而不是重新生成整个片段，然后将最佳创作升级到 1080p 或 4K。
更长的片段，最长可达 15 秒
你现在可以原生生成和编辑最长 15 秒的视频，比 Omni 1.1 的 10 秒有所提升。你还可以以 1 秒为增量指定 3 到 15 秒的时长，让你有空间在单次生成中讲述完整故事、创建产品说明或制作完整的社交广告。
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）和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、包装排版和品牌颜色在不同摄像机角度下保持一致，从而轻松将现有的产品摄影或角色表转化为虚拟试穿片段、目录旋转和品牌视频广告。
结合一张模特照片和三套服装的正反面产品图，Gemini Omni 1.2 Flash 生成一个 15 秒的虚拟试穿序列，包含 360 度旋转和匹配剪辑，同时保持模特身份和每件服装的剪裁、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，减少运动或摄像机过渡中的视觉漂移或变形。无论你是在第一和最后一个关键帧之间插值，还是扩展片段以构建更长的序列，产品、角色、道具和环境在镜头之间都保持一致。
给定相同的静态工作室灯光展览海报和五层动画提示，Gemini Omni 1.1 Flash 与参考图像的匹配度不如 1.2。Gemini Omni 1.2 Flash 在尘土粉色的天幕上逐层构建海报，升起六边形基座，组装 HALO、GLOW 和 LUMEN 的罗纹玻璃、暖色灯丝、多面水晶和螺旋线字母，并在最后一帧中一致地锁定每个材质、阴影和排版细节。
在对话中更轻松地编辑
你可以逐轮优化同一个片段——例如更换产品或背景、更改灯光或天气，或切换宽高比——而不是从头开始。多轮对话编辑适用于完整的 15 秒片段，让你轻松为不同受众和版位制作广告变体，而无需重新简报或重新生成。
从一个生成的片段开始，多轮对话提示逐轮交换背景——从条纹凉亭帐篷到橡树林、有白马的稳定、市场集市和石头城堡——同时保持两个角色的表演、盔甲反射和摄像机取景不变。
更自然的语音
你可以生成具有更流畅、自然对话、更清晰唇形同步和独特多说话者条件的场景。无论你是在 Flow 中指导多角色对话、在 Gemini for business 中创建视频说明，还是在 Google Vids 中使用头像、音乐和旁白制作精美的专业视频，这都会体现出来。
基于一个温室场景图像以及四个角色、嘴部和一秒语音参考，Gemini Omni 1.2 Flash 将每个采样的语音路由到正确的角色，并在 15 秒动画场景中实现富有表现力的唇形同步和自然的喜剧时机。
更可控的电影感外观
你可以指导复杂的连续摄像机运动，如 sweeping FPV 飞越到戏剧性的缩小和环绕，同时显著减少不必要的跳切、更稳定的比例和更精致的电影感外观。
在两张建筑参考照片的引导下，Gemini Omni 1.2 Flash 指导一次连续的 FPV 无人机飞行，穿过广场、穿过青铜门，向上穿过万神殿的格子穹顶到达眼洞，零跳切。
更长的片段，更平滑的运动和更紧密的一致性
Gemini Omni 1.2 Flash 生成最长 15 秒的片段，比以前更好地保持参考一致。你可以滚动查看角色、文本和摄像机运动在更长的镜头、多轮和过渡中保持一致，没有剪辑。
15 秒长片段：将一个风格帧转化为一个 4 镜头、15 秒的宏观科学解释视频，带有准确拼写、运动跟踪的标注。
多轮运动转移：在第一轮生成一只涟漪的章鱼，然后在第二轮将其替换为一位舞者，其礼服镜像了完全相同的流体运动。
第一帧到最后一帧的一致性（1.1 与 1.2）：在 1.2 Flash 中，通过一次连续的摄像机推进连接外部起始帧和内部结束帧。你可以看到细微差异，如屋顶上的猫、汤勺变成筷子以及其他一些微小变化。
不间断的快速缩小：在 10 秒的镜头中，从紧凑的海岸线特写连续拉到岛屿空中远景，具有自然比例和零剪辑。
从创意工作者到全球品牌的实际应用成果
企业、初创公司和创意工作者已经在工作流中使用 Gemini Omni 1.2 Flash。并且，Gemini Omni 首次全面开放（generally available），由 Google Cloud 的企业级基础设施和安全能力提供支持。预配吞吐量（Provisioned Throughput）现已可用，输出内容带有不可察觉的 SynthID 水印。
开始使用 Gemini Omni 1.2 Flash
虽然开发工作仍在持续，以进一步改进快速体育动作、快速脚本变化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陆续推出，你今天就可以开始使用它：
- 对于使用 Gemini API 的开发者：在 Google AI Studio 中制作原型，探索交互式入门应用，并查看开发者文档和定价。
- 对于企业：在 Google Cloud 控制台中试用，并使用 API 构建企业解决方案。
- 对于所有使用 Google 应用的用户：在 Flow 中指导场景和多轮编辑，使用 Google 账号或 Google Workspace 订阅在 Google Vids 中免费生成 15 秒片段，在 Gemini 应用中创建 15 秒视频（正陆续向 Google AI Ultra 订阅者推出），并在 Google Ads 中扩展视频广告系列。
发布于：