Google 推出 Gemini Omni 1.2 Flash：单条视频最长 15 秒，720p 每秒 0.07 美元

Google 公司账号于 2026 年 11 月 5 日发帖，介绍 DeepMind 的视频生成模型 Gemini Omni 1.2 Flash。同日官方博文由 Google DeepMind 产品经理 Anish Nangia 撰写。这篇谈的是更长、更便宜、可在对话里接着改的视频，没有公布综合智能排名。 官方博文：https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/ 主帖列出的变化是：起草更快且成本降低 30%，可在 360p 或 720p 起草（主帖写每秒 0.07 美元）再放大到 1080p 或 4K；单条可生成或编辑到 15 秒，也可在 3 秒到 15 秒之间指定时长；可以按对话轮次更换背景、主体或光线，而不必整段重来；语音更自然，支持多说话者，口型更清楚；镜头可以连续运动，跳切更少。博文把同一组能力写得更具体，并说明已开始一般可用。 要点： 1. 时长相对 Omni 1.1 从最长 10 秒增至 15 秒。时长可以按 1 秒一档，在 3 秒到 15 秒之间指定。博文举的用途包括讲完一个小故事、产品说明和一条完整的社交广告。 2. 价格比 Omni 1.1 低 30%。博文写明，720p 为每秒 0.07 美元。主帖把 360p 或 720p 的起草价写成每秒 0.07 美元。工作流是先用 360p 或 720p 起草，用后续编辑改一处细节，再把选定版本放大到 1080p 或 4K。博文没有在正文里列出其余分辨率的价目表。 3. 参考跟随更紧。输入可以组合人物、产品或风格图片、最长 3 秒的动作片段，以及音频提示。博文称，人脸、服装、包装上的文字和品牌色可以在不同机位之间保持一致，并举了虚拟试穿、产品旋转和品牌广告。角色、物体和场景从第一帧到最后一帧的一致性也单独列了一节，包括首尾关键帧之间的过渡，以及把片段延长后再接下去。 4. 对话式编辑覆盖完整的 15 秒片段。同一条片子可以逐轮更换产品或背景、光线或天气、画幅，而不必重新写简报、整段重生成。博文里的例子包括：同一张静态海报逐层长成画面，以及把一条章鱼的波动，在下一轮换成裙摆做同样运动的舞者。 5. 语音与镜头分开写。语音一侧是更流畅的对白、更清楚的口型，以及可以区分的多个说话者，博文点名 Flow、Gemini for business 和 Google Vids。镜头一侧是连续的第一人称飞越、大幅拉远和环绕，跳切更少。博文也写了仍在改进的部分：快速体育运动、剧本改动很快的片段，以及复杂的物理效果。 6. 开放范围以博文为准：即日起在 Gemini API 和 Gemini for business 一般可用；开发者从 Google AI Studio 进入。铺开的产品还包括 Flow、Google Vids、Google Ads。Google Vids 里，拥有 Google 账号或 Google Workspace 订阅可以生成 15 秒片段且不另收费。Gemini 应用中的 15 秒视频正在向 Google AI Ultra 订阅用户推出。主帖还写，Gemini 应用面向 Google AI 订阅用户推出，其中 15 秒片段提供给 Ultra。输出带有不易察觉的 SynthID 水印。博文写，预配吞吐量（Provisioned Throughput）可用。 对已经在做产品视频的团队，这篇的信息是：15 秒、对话改片和 720p 每秒 0.07 美元已经写进官方说明，快速运动和复杂物理仍被标成继续改进项。上述秒数、百分比和价格来自 Google 主帖与同日博文。 原文：https://x.com/Google/status/2118390406316728555 博文：https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/