Gemini Omni 1.2 Flash：15秒视频生成与对话式编辑升级

导语

Google发布Gemini Omni 1.2 Flash，目标是让视频生成更适合连续创作和规模化生产。相比上一代，更新重点并不只是延长片段，而是围绕“少重做、少漂移、更易控制”重构视频工作流。模型目前已在Gemini API和面向企业的Gemini服务中提供，并逐步覆盖Google Vids等产品。

核心升级

• 视频最长15秒：原生生成和编辑时长从10秒提升至15秒，并可在3至15秒之间按1秒递增指定时长。这对产品讲解、社交广告和短故事更实用。
• 参考内容保持更稳定：模型可结合人物、商品和风格图片，以及最长3秒的动作片段和音频提示，维持脸部、服装、包装文字、品牌色和材质等细节。
• 连续性更强：在镜头运动、首尾帧衔接或视频延展中，人物、道具和环境较不易出现变形或漂移。官方示例覆盖虚拟试衣、展览海报动画和建筑穿越镜头。
• 支持多轮对话编辑：用户可以在同一条视频上逐步更换背景、产品、天气、灯光或画幅，而不必每次从零生成。这种方式也适合制作不同投放渠道的广告变体。
• 语音与镜头控制改进：更新强调更自然的对白、更清晰的口型同步和多角色声音区分，同时可处理更连贯的FPV飞行、变焦和环绕镜头，减少跳切。
• 成本与生产流程优化：720p视频价格为每秒0.07美元，较Gemini Omni 1.1下降30%。官方建议先以360p或720p快速草拟，确认结果后再升级到1080p或4K。

意义与限制

这次更新反映出视频模型竞争正在从“能否生成”转向“能否稳定修改”。对品牌团队和开发者而言，参考图一致性与多轮编辑比单次画面惊艳更直接地影响生产效率：一个商品可以在多个镜头中保持包装和外观，广告也能通过对话快速改成不同背景或比例。

不过，Google仍指出快速运动、剧本频繁变化和复杂物理效果有待继续改进。因此，15秒时长并不等于所有长镜头都能一次交付，实际工作流仍可能需要分段生成、人工筛选和后期修正。整体来看，Omni 1.2 Flash更像是面向开发者、创作者和企业的视频生产工具升级，而不只是一次参数上的模型迭代。

来源：Hacker News