AI资讯

Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频,价格下调 30%

Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频,价格下调 30%

来源Google DeepMind查看原文

速览

  • 视频时长从 10 秒增至 15 秒,可按 1 秒步长指定 3 至 15 秒
  • 720p 定价每秒 0.07 美元,较 1.1 版本降价 30%
  • 支持多轮对话式编辑,改细节不必整段重生成
  • 角色、产品、风格图和音频提示的参考遵循度提升
  • 首尾帧插值与片段延长时,角色和场景一致性更强
  • 语音更自然,支持多说话人唇形同步
  • Gemini Omni 系列首次 GA,接入 Gemini API 与 Google Cloud
  • 输出带 SynthID 水印,提供 Provisioned Throughput
  • 已接入 Google Vids、Gemini 应用和 Google Ads

Google DeepMind 发布 Gemini Omni 1.2 Flash 视频生成模型,并首次将 Gemini Omni 系列推向正式可用(GA)。新版本将原生视频时长从 Omni 1.1 的 10 秒提升到 15 秒,支持以 1 秒为步长指定 3 至 15 秒的时长;价格从 Omni 1.1 下调 30%,720p 视频定价为每秒 0.07 美元。功能上新增多轮对话式编辑,可在同一片段上逐轮替换产品、背景、光线、天气或画幅比例,而不必重新生成整段视频;参考图、短运动片段(最长 3 秒)和音频提示的遵循度提升,人脸、服装、包装字体和品牌色在镜头角度变化中保持一致。模型已通过 Gemini API、Google Cloud、Google Vids、Gemini 应用和 Google Ads 提供,输出带 SynthID 水印。

关键事实

  • Gemini Omni 1.2 Flash 原生支持最长 15 秒视频,Omni 1.1 为 10 秒,且可按 1 秒步长指定 3 至 15 秒时长
  • 720p 视频定价为每秒 0.07 美元,较 Gemini Omni 1.1 下降 30%
  • 新增多轮对话式编辑,可在 15 秒完整片段上逐轮修改产品、背景、光线、天气和画幅比例
  • 参考遵循支持角色、产品、风格图像、最长 3 秒的短运动片段和音频提示
  • 工作流支持 360p 或 720p 快速草稿,再对选定结果放大到 1080p 或 4K
  • Gemini Omni 系列首次正式可用(GA),由 Google Cloud 企业级基础设施和安全能力支撑,并提供 Provisioned Throughput

本站视角

对国内做跨境电商素材、信息流广告和短视频批量生产的团队来说,这次更新最直接的变化是成本结构:每秒 0.07 美元的 720p 定价,加上「360p/720p 草稿、1080p/4K 放大」的工作流,把「多生成几条再挑」的试错成本压到了可以规模化投放的水平。多轮对话式编辑则切中了广告变体生产的痛点——同一支片子换背景、换光线、换画幅,不必重新写提示词重跑,这对需要为不同平台和人群出几十版素材的团队是实打实的效率提升。我们的判断是,这是一次偏工程和商业化导向的迭代,而非能力跃迁:15 秒、降价 30%、GA 这三个数字放在一起,指向的是「让企业敢把它放进生产管线」,而不是「生成质量又上了一个台阶」。原文自己也承认,快速体育动作、快速脚本变化和复杂物理仍是待改进项,说明模型在高速运动和复杂物理场景上仍有明显短板,做动作类、体育类内容的团队短期内不宜押注。需要观察的是两点:一是 30% 的降价是否伴随质量取舍,原文没有给出与 1.1 在同等分辨率下的质量对比数据,只有若干演示案例;二是 GA 之后的企业级 SLA 和 Provisioned Throughput 实际表现如何,这决定了它能否替代现有的外包素材生产。对国内开发者而言,接入路径仍是 Gemini API 和 Google Cloud,合规与可及性问题和以往一样存在,这一点原文没有涉及,但不应忽略。

背景与影响

Gemini Omni 是 Google DeepMind 的视频生成模型线,1.1 版本的原生时长上限为 10 秒。此次 1.2 Flash 的更新集中在三个方向:时长、成本与可控性。15 秒的原生时长意味着单次生成即可覆盖一条完整的社交广告位或产品讲解短片,减少拼接需求;30% 的降价和「低分辨率草稿、高分辨率放大」的工作流,则直接压低批量生产视频的试错成本。多轮对话式编辑是另一项结构性变化:过去修改背景或光线往往需要重新生成整段视频,现在可以在同一片段上逐轮调整,这对需要为不同受众和投放位置产出大量变体的广告团队影响最大。值得注意的是,这是 Gemini Omni 系列首次正式可用(GA),并附带 Google Cloud 的企业级基础设施、Provisioned Throughput 和 SynthID 水印,说明 Google 正把这套能力从实验性工具推向企业生产环境。这意味着视频生成模型的竞争重点,可能正从「单次生成质量」转向「单位成本、编辑可控性和企业级交付」。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明