Google DeepMind 发布 Gemini Omni 1.2 Flash，支持15秒视频与多轮对话编辑

2026年11月5日

|

Gemini Omni 1.2 Flash 带来 15 秒片段、更强的一致性以及更快、更具成本效益的生成。

Anish Nangia

Google DeepMind 产品经理

您的浏览器不支持 audio 元素。

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

今天，我们推出了 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 上全面可用。Gemini Omni 1.2 Flash 引入了原生 15 秒视频创作、多轮对话编辑功能以及增强的参考遵循能力。我们将价格从 Gemini Omni 1.1 降低了 30%，720p 视频的价格为每秒 0.07 美元。

以下是新功能的概览：

大规模快速且具成本效益

除了更低的价格外，工作流程还能降低成本：您可以在 360p 或 720p 下快速起草，通过后续编辑修复细节而不是重新生成整个片段，然后将最佳作品升级至 1080p 或 4K。

长达 15 秒的更长片段

现在，您可以原生生成和编辑长达 15 秒的视频，相比 Omni 1.1 的 10 秒有所提升。您还可以以 1 秒为单位指定 3 到 15 秒的时长，让您有空间在单次生成中讲述完整故事、创建产品解说或制作完整的社交广告。

更好的参考遵循

您可以结合角色、产品或风格图像、短动态片段（最长 3 秒）和音频提示来指导生成——Omni 1.2 Flash 从头到尾都能保持这些细节。面部、服装、包装排版和品牌颜色在不同摄像机角度下保持一致，这使得将现有的产品照片或角色表转化为虚拟试穿片段、目录旋转和品牌视频广告变得轻而易举。

结合一张模特照片和三套服装的正反面产品照片，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

您可以从第一帧到最后一帧保持更强的角色、物体和场景一致性，在运动和摄像机过渡中减少视觉漂移或变形。无论是插值第一和最后一个关键帧，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保持一致。

给定相同的静态工作室灯光展览海报和五层动画提示，Gemini Omni 1.1 Flash 对参考图像的匹配程度不如 1.2 版本。Gemini Omni 1.2 Flash 在尘土粉红色的环形幕布上升起的六边形基座上逐层构建海报，组装 HALO、GLOW 和 LUMEN 的罗纹玻璃、暖色灯丝、多面水晶和盘绕电线字形，并在最终帧中一致地锁定所有材质、阴影和排版细节。

对话中更轻松的编辑

您可以逐轮完善同一片段——例如更换产品或背景、更改光线或天气，或切换宽高比——而不是从头开始。多轮对话编辑适用于完整的 15 秒片段，这使得为不同受众和投放位置制作广告变体变得轻而易举，无需重新简报或重新生成。

从一个生成的片段开始，多轮对话提示词逐轮更换背景——从条纹凉亭帐篷到橡树林、有白马的马厩、集市和石砌城堡——同时保持两个角色的表演、盔甲反光和镜头构图不变。

更自然的语音

您可以生成对话更流畅自然、唇形同步更清晰且具备多说话人条件控制的场景。无论您是在 Flow 中指导多角色对话，在 Gemini for business 中制作视频解说，还是在 Google Vids 中创建带有虚拟形象、音乐和旁白的精致专业视频，这一功能都将有所体现。

基于一张音乐厅场景图像以及四个角色、嘴型和一秒语音参考，Gemini Omni 1.2 Flash 将每个采样的语音路由到正确的角色，在 15 秒的动画场景中实现富有表现力的唇形同步和自然的喜剧节奏。

更具可控性的电影级视觉效果

您可以指导复杂的连续镜头运动，例如从 FPV 穿越飞行到戏剧性的拉远和环绕，显著减少不必要的跳切，保持更稳定的比例，呈现更精致的电影级视觉效果。

在两张建筑参考照片的指导下，Gemini Omni 1.2 Flash 指导一次连续的 FPV 无人机飞行，穿过广场，经过青铜门，向上穿过万神殿的藻井穹顶直达圆孔天窗，全程零跳切。

更长的片段，更流畅的运动和更紧密的一致性

Gemini Omni 1.2 Flash 生成的片段最长可达 15 秒，比以往更好地保持参考一致性。您可以滚动查看角色、文本和镜头运动在更长的镜头、多轮对话和转场中保持一致，且无剪辑。

来自创作者到全球品牌的真实成果

企业、初创公司和创作者已在他们的工作流中使用 Gemini Omni 1.2 Flash。并且首次，Gemini Omni 现已正式可用，由 Google Cloud 的企业级基础设施和安全提供支持。Provisioned Throughput 现已可用，输出内容带有不可感知的 SynthID 水印。

开始使用 Gemini Omni 1.2 Flash

虽然开发仍在继续以进一步改进快速体育动作、快速脚本变化和复杂物理效果，但 Gemini Omni 1.2 Flash 非常适合大规模制作视频的企业、开发者和创作者。您可以从今天开始使用 Gemini Omni 1.2 Flash，它正在 Google 的产品和开发者平台上推出：

• 对于使用 Gemini API 的开发者： 在 Google AI Studio 中进行原型设计，探索交互式入门应用，并查看开发者文档和定价。
• 对于企业： 在 Google Cloud 控制台 中试用，并使用 API 构建企业解决方案。
• 对于所有使用 Google 应用的用户： 在 Flow 中指导场景和多轮编辑，使用 Google 账户或 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（正在向 Google AI Ultra 订阅者推出），并在 Google Ads 中扩展视频营销活动。

在您的收件箱中获取来自 Google 的最新新闻

订阅我们的通讯，获取产品更新、活动信息、特别优惠等。

您的信息将根据 Google 的隐私政策 使用。您可以随时选择退出。