谷歌于11月6日正式推出视频生成模型Gemini Omni 1.2 Flash，并在Gemini API与Gemini for business平台全面开放使用。新版模型将原生支持的视频时长从1.1版本的10秒延长至最长15秒，同时较1.1版本降价30％，720p视频生成价格为每秒0.07美元。这是Gemini Omni系列首次实现全面正式可用。
在生成能力上，Gemini Omni 1.2 Flash支持以1秒为单位，在3至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。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，模型可在不同镜头角度下保持面部、服装、包装字体、品牌色彩的一致性，便于将现有产品图、角色设定图转为虚拟试穿、产品旋转展示与品牌视频广告。
一致性控制是此次升级的重点之一。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与变形。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、道具与环境均能在不同镜头间保持统一。此外，模型支持多轮对话式编辑，用户可逐轮对同一片段调整产品或背景、修改光照或天气、切换画面比例，无需从头重新生成，该能力可覆盖完整15秒片段，便于为不同受众、不同投放位生成广告变体。
成本控制方面，新版工作流支持先以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，从而进一步压缩使用成本。语音效果上，模型可生成更流畅自然的对话与更清晰的口型同步，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。电影级画面控制方面，用户可指挥全景FPV穿越、戏剧化拉远、环绕镜头等复杂连续镜头运动，减少不必要的跳切。
商业化与合规层面，Gemini Omni 1.2 Flash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。
从行业影响看，视频生成模型的竞争焦点正从单次生成时长转向可控性、一致性与单位成本。谷歌此次将原生时长提升至15秒并将价格下调30％，同时把对话式编辑与企业级吞吐能力纳入同一产品线，意味着视频生成正加速从演示工具向广告投放、产品展示等可计量的商业场景渗透。对广告营销、电商内容生产与数字人视频制作等企业服务场景而言，模型调用成本与编辑效率将直接影响其规模化落地节奏。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
