AI 视频模型卷出新高度：谷歌 Gemini Omni 1.2 Flash 发布，原生 15 秒生成、较 1.1 降价 30%

IT之家 11 月 6 日消息，谷歌正式推出 Gemini Omni 1.2 Flash 视频生成模型，并在 Gemini API 与 Gemini for business 平台全面开放使用。

新版模型实现了原生 15 秒视频生成、多轮对话式编辑、更强的参考遵循能力，同时较 1.1 版本降价 30%，720p 视频生成价格为每秒 0.07 美元（IT之家注：现汇率约合 0.47 元人民币）。

在规模化降本方面，新版工作流可先以 360p 或 720p 快速起草，通过后续编辑修正细节，无需重新生成整个片段，最后再将成品升级到 1080p 或 4K，进一步压缩使用成本。在片段长度上，Gemini Omni 1.2 Flash 将原生支持的视频时长从 1.1 版本的 10 秒延长到最长 15 秒，并支持以 1 秒为单位，在 3 到 15 秒区间内自定义时长，可一次性完成完整故事、产品讲解或社交广告片段的生成。

在参考遵循方面，用户可结合角色、产品或风格图片、最长 3 秒的动态片段与音频线索引导生成，模型可在全程保持面部、服装、包装字体、品牌色彩在不同镜头角度下的一致性，方便将现有产品图、角色设定图转为虚拟试穿、产品旋转展示与品牌视频广告。

在结果一致性上，新版模型从首帧到末帧可保持角色、物体、场景的强一致性，在运动与镜头切换过程中减少视觉漂移、变形；无论是在首末关键帧之间做插值，还是延长片段构建长序列，产品、角色、道具与环境都能在不同镜头间保持统一。

在对话式编辑方面，用户可逐轮对同一片段进行调整，比如替换产品或背景、修改光照或天气、切换画面比例，无需从头重新生成，该多轮对话编辑能力可覆盖完整 15 秒片段，方便为不同受众、不同投放位生成广告变体，无需重新编写提示词、重新生成。

在语音效果上，新版模型可生成更流畅自然的对话、更清晰的口型同步，支持多说话人条件控制，适用于 Flow 中导演多角色对话、Gemini for business 中制作讲解类视频，以及 Google Vids 中制作带数字人、音乐与旁白的专业视频。

在电影级画面控制上，用户可指挥复杂连续镜头运动，比如全景 FPV 穿越、戏剧化拉远、环绕镜头，大幅减少不必要的跳切，保持更稳定的缩放比例与更精致的电影质感。目前 Gemini Omni 首次实现全面正式可用，依托谷歌云企业级基础设施与安全能力，支持预置吞吐量（Provisioned Throughput），生成内容自带肉眼不可感知的 SynthID 水印。

开发者可通过 Google AI Studio 原型调试、查看文档与定价；企业用户可在谷歌云控制台体验；普通用户可在 Flow 中导演场景与多轮编辑，在 Google Vids 中免费生成 15 秒片段，Gemini App 面向 Google AI Ultra 订阅用户逐步推送，Google Ads 支持规模化视频广告投放。