Google 发布 Gemini Omni 1.2 Flash:从换背景到换商品,一段视频可以仅通过对话就能反复改
原文链接: https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/ 来源: blog.google 发现于: 小互 · AI 解读站 · 2026/11/6 说明: 本文由 AIHot 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)
Gemini Omni 1.2 Flash:速度快、成本低,支持更长片段
2026 年 11 月 5 日
|
Gemini Omni 1.2 Flash 支持 15 秒片段、更强的连贯性,以及更快、更具成本效益的生成能力。
Anish Nangia
Google DeepMind 产品经理
分享

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
我们正在推出 Gemini Omni 1.2 Flash,它提供原生的 15 秒视频创作能力、改进的参考遵循能力以及多轮对话式编辑功能。此次更新降低了 30% 的成本,并为您的专业项目提供了更好的一致性。您今天即可在 Gemini API、Google Vids 和 Gemini for business 上使用这些功能,大规模生产高质量的视频内容。
摘要由 Google AI 生成。生成式 AI 处于实验阶段。
我们推出了支持 15 秒视频和改进参考遵循能力的 Gemini Omni 1.2 Flash。
您现在可以通过多轮对话编辑片段,无需从头开始即可实现更快的调整。
我们将价格降低了 30%,帮助您以更低的成本生产高质量的视频内容。
该模型已在 Gemini API 和 Google Cloud 上全面可用,满足您的生产需求。
摘要由 Google AI 生成。生成式 AI 处于实验阶段。
探索其他风格:
今天,我们推出 Gemini Omni 1.2 Flash,并在 Gemini API 和 Gemini for business 上全面提供该服务。Gemini Omni 1.2 Flash 引入了原生的 15 秒视频创作、多轮对话式编辑能力以及增强的参考遵循功能。与 Gemini Omni 1.1 相比,价格降低了 30%,720p 视频的价格为每秒 0.07 美元。
以下是本次更新的主要内容概述:
大规模应用下的快速与成本效益
除了更低的价格外,工作流程也有助于控制成本:您可以先用 360p 或 720p 快速起草,通过后续编辑修复细节,而无需重新生成整个片段,最后将最佳作品放大至 1080p 或 4K。
更长的片段,最长可达 15 秒
您现在可以原生生成和编辑长达 15 秒的视频,而 Omni 1.1 的最长时长为 10 秒。您还可以以 1 秒为增量指定时长(3 到 15 秒),让您能够在单次生成中讲述完整的故事、制作产品解说视频或制作完整的社交媒体广告片段。
更好的参考遵循能力
您可以结合角色、产品或风格图片、短运动片段(最长三秒)和音频提示来引导生成过程,而 Omni 1.2 Flash 能够从始至终保持这些细节的一致性。面部、服装、包装字体和品牌色彩在不同镜头角度下保持一致,使得将现有的产品摄影或角色表转化为虚拟试穿片段、目录旋转展示和品牌视频广告变得轻而易举。
将一张模特照片与三套服装的正面和背面产品图相结合,Gemini Omni 1.2 Flash 生成了一个 15 秒的虚拟试穿序列,涵盖 360 度旋转和匹配剪辑,同时保持模特的身份以及每件服装的剪裁、垂坠感和背面细节的一致性。
更一致的结果
从第一帧到最后一帧,您可以保持更强的人物、物体和场景一致性,在运动过渡和镜头切换中减少视觉漂移或形变。无论您是基于首尾关键帧进行插值,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能保持一致。
在相同的静态工作室灯光展览海报和五层动画提示下,Gemini Omni 1.1 Flash 与参考图像的匹配程度不如 1.2。Gemini Omni 1.2 Flash 在带有六边形底座的灰粉色环形背景上逐层构建海报,组装肋状玻璃、暖色灯丝、多面水晶以及 HALO、GLOW 和 LUMEN 的卷曲电线字体,并在最后一帧中锁定每种材质、阴影和排版细节,确保一致性。
更轻松的对话式编辑
您可以逐轮优化同一视频片段——例如替换产品或背景、更改光照或天气、切换宽高比——而无需从头开始。多轮对话式编辑适用于完整的 15 秒片段,使得为不同受众和投放位置制作广告变体变得轻松,无需重新提供简报或重新生成。
从生成的一个片段开始,多轮对话提示逐轮替换背景——从条纹凉亭帐篷到橡树林、带有白马的马厩、集市和石头城堡——同时保持两个人物的表演、盔甲反射和镜头构图不变。
更自然的语音
您可以生成具有更流畅、更自然对话、更清晰的口型同步以及明确的多说话人条件的场景。无论您是在 Flow 中指导多角色对话,在 Gemini for business 中创建视频解说,还是在 Google Vids 中使用虚拟形象、音乐和旁白制作精美的专业视频,这一特性都将得到体现。
基于一个温室场景图像以及四个角色、口型和一秒语音参考,Gemini Omni 1.2 Flash 将每个采样的语音路由到正确的角色,在 15 秒的动画场景中展现出富有表现力的口型同步和自然的喜剧节奏。
更可控的电影感外观
您可以指导复杂的连续镜头运动,如流畅的 FPV 穿越飞行、戏剧性的拉远和环绕,同时显著减少不必要的跳切,保持更稳定的比例,并呈现更精致、更具电影感的外观。
在两张建筑参考照片的引导下,Gemini Omni 1.2 Flash 引导一次连续的 FPV 无人机飞行,穿越广场,穿过青铜门,并沿着万神殿的穹顶向上直至圆孔,全程零跳切。
更长的片段,更平滑的运动和更紧密的一致性
Gemini Omni 1.2 Flash 生成长达 15 秒的片段,其参考保持能力优于以往。您可以滚动查看,确保在更长的镜头、多轮对话和过渡中,人物、文字和镜头运动保持一致,且无剪辑断裂。
15 秒长片段:将一张风格帧转化为 4 个镜头、15 秒长的宏观科学解说视频,带有准确拼写和运动跟踪的标注。
多轮动作迁移:在第 1 轮生成一只波浪起伏的章鱼,然后在第 2 轮将其替换为一名舞者,其裙摆呈现出完全相同的流畅动作。
首尾帧一致性(1.1 vs. 1.2):在 1.2 Flash 中,通过一次连续的前推镜头将外部起始帧与内部结束帧连接起来。你可以看到一些细微的差异,例如屋顶上的猫、汤勺变成筷子以及其他一些微小变化。
不间断的急速拉远:在 10 秒的单个镜头中,从紧致的海岸线特写连续拉远至岛屿的航拍全景,保持自然的尺度变化且无剪辑。
来自创意人士和全球品牌的真实世界成果
企业、初创公司和创意人士已在他们的工作流中使用 Gemini Omni 1.2 Flash。此外,Gemini Omni 首次全面开放,由 Google Cloud 的企业级基础设施和安全体系提供支持。Provisioned Throughput 现已可用,且输出内容带有不可察觉的 SynthID 水印。
开始使用 Gemini Omni 1.2 Flash
尽管我们仍在持续开发以进一步提升快速体育动作、快速脚本更改和复杂物理效果等方面的表现,但 Gemini Omni 1.2 Flash 非常适合大规模制作视频的企业、开发人员和创作者。随着 Gemini Omni 1.2 Flash 在 Google 的产品和开发者平台中逐步推出,你现在即可开始使用:
- 使用 Gemini API 的开发人员: 在 Google AI Studio 中进行原型开发,探索交互式入门应用,并查看 开发者文档 和 定价。
- 企业用户: 在 Google Cloud 控制台 中试用,并使用 API 构建企业级解决方案。
- 所有 Google 应用用户: 在 Flow 中直接编排场景并进行多轮编辑;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(正逐步向 Google AI Ultra 订阅用户开放);并在 Google Ads 中扩展视频营销活动。
在您的收件箱中获取 Google 的最新新闻
注册我们的新闻通讯,获取产品更新、活动信息、特别优惠等内容。
完成。只需再一步。
请检查您的收件箱以确认订阅。
您也可以通过 . 订阅。
您的信息将按照 Google 隐私政策 使用。您可以随时选择退订。
发布于: