Google Gemini Omni 1.2 Flash 正式发布：视频最长 15 秒，价格下调 30%

Google DeepMind 正式推出其 Gemini Omni 1.2 Flash 视频生成模型。更新后的模型可生成长达 15 秒的片段，支持对话式编辑，价格比前代低 30%。

Google 表示，Gemini Omni 1.2 Flash 正通过 Gemini API、Google AI Studio、Google Cloud Console、Flow、Google Vids、面向 Google AI Ultra 订阅者的 Gemini 应用以及 Google Ads 推出。每个生成的视频都带有肉眼不可见的 SynthID 水印，以标明其来源。

片段时长现在可在 3 到 15 秒之间，此前最长为 10 秒；价格下降 30%，720p 视频为每秒 0.07 美元。生成的片段还可以通过持续对话进行编辑。

一个突出的功能是 Google 所称的"对话式编辑"。用户可以逐步调整生成的片段，更改背景、光照或宽高比，而无需重新生成整个片段。Google 表示这适用于完整的 15 秒长度。配合分层工作流，该功能有望降低成本：先以 360p 或 720p 创建草稿，通过后续编辑修正个别细节，最后仅将最终结果放大至 1080p 或 4K。

Google 承诺借助参考图像获得更一致的结果

Google 还承诺显著提升对参考内容的遵循度。根据 公告，该模型可以接收角色图像、产品照片、最长三秒的短动作片段以及音频提示作为输入。面部、服装、包装排版和品牌色彩应能在不同摄像机角度下保持一致。

Google 展示了一个虚拟试穿的示例片段。仅凭一张模特照片和三套服装的产品图，模型就能生成一段 15 秒的 360 度转身序列，同时保持模特的身份特征以及每件服装的剪裁和垂坠感。

整体视觉一致性据称也有所提升。Google 表示，与前代相比，在动作和镜头切换过程中的视觉漂移或形变更少。

此外，Gemini Omni 1.2 Flash 据称能生成更流畅、更自然的对话，口型同步更清晰，并能区分多个说话者。该模型还能处理复杂的连续镜头运动，如 FPV 无人机飞行或大幅变焦拉远，且不必要的跳切明显减少。

没有炒作的 AI 新闻 – 人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期的独家"AI Radar"前沿报告、完整档案访问权限以及评论区的访问权限。