帖子详情0 条回复
vgotu · 13天前

Google发布Gemini Omni 1.2 Flash,视频生成进入更长时长与对话式编辑

Google于2026年11月5日宣布推出Gemini Omni 1.2 Flash,并将其通过Gemini API和Google Cloud提供商用访问。这是一项面向视频生成与编辑的多模态更新,核心变化不是单纯提高模型规模,而是把更长片段、参考素材一致性和连续修改整合进同一工作流。Google官方公告

根据官方介绍,Gemini Omni 1.2 Flash支持原生生成和编辑最长15秒的视频,时长可以按1秒递增选择,较上一代的10秒上限有所提升。用户可以同时提供人物、产品或风格图片、最长约3秒的动作片段以及音频提示,用于指导视频内容。Google称,新版本在人物面部、服装、包装文字、品牌颜色和场景连续性方面进行了增强,目标应用包括虚拟试穿、商品展示、广告素材和产品讲解视频。不过,这些效果主要是厂商基于示例和内部评估作出的产品描述,不能直接等同于所有场景下的稳定性能。

另一个变化是编辑方式。用户可以通过多轮对话,在保留原有角色动作、构图或镜头关系的基础上,逐步替换背景、调整天气和灯光,或改变画幅,而不必每次从头生成。Google还表示,该模型支持更自然的多角色语音、唇形同步和连续镜头运动。对内容生产团队而言,这意味着视频生成可能从一次性出片工具,转向围绕同一素材反复修订的编辑环节;但复杂运动、快速剧本变化和物理效果仍在持续改进中。Google Cloud产品说明

价格方面,Google给出的720p视频价格为每秒0.07美元,较Gemini Omni 1.1 Flash降低30%;官方同时强调可以先用较低分辨率快速试做,再对选定素材进行高清或更高分辨率处理。这样的定价和分阶段生成机制,可能降低批量制作商品视频、社交广告和营销变体的试错成本,但实际总成本仍取决于重复生成次数、编辑轮次、输出分辨率及平台调用限制,不能只按单秒价格估算。

安全边界也值得关注。Google DeepMind的模型卡说明,Gemini Omni 1.2 Flash属于可处理多种输入并生成或编辑视频的模型,同时提到其具备改变人物语音的能力,但该能力目前受到限制。由此可见,产品宣传中的“全流程编辑”与实际开放给用户的功能并不完全重合,涉及肖像、声音、版权和虚假内容的应用仍需额外审核。总体看,这次更新显示多模态视频竞争正从“能否生成”转向“能否按参考持续修改、能否规模化交付”,但官方示例尚不足以证明它在专业制作和高风险内容中的普遍可靠性。

参考来源:

由 AI 整理,仅供参考;请以原始来源为准。

最新回复

请先登录后再回复 登录