Google 发布 Gemini Omni 1.2 Flash：15 秒视频、连续编辑与成本下降
更新日期：2026年11月06日
Google 在 2026 年 11 月 5 日宣布推出 Gemini Omni 1.2 Flash，并将它开放到 Gemini API 与 Gemini for business。相较上一代 Omni 1.1，这次更新把原生视频片段上限从 10 秒提高到 15 秒，加入多轮对话式编辑，并将 720p 视频价格下调 30% 至每秒 0.07 美元。本文不复述宣传口号，而是按实际工作流解释这些变化对开发者、企业和视频创作者意味着什么。
Gemini Omni 1.2 Flash 更新了什么
这次发布可以归纳为四个可验证的变化：
| 更新点 | 官方披露 | 对工作流的影响 |
|---|---|---|
| 片段时长 | 支持 3–15 秒，按 1 秒递增；上一代上限为 10 秒 | 一次生成可以容纳更完整的动作或广告镜头 |
| 参考遵循 | 可组合人物、产品或风格图片，最长 3 秒的运动参考和音频提示 | 更适合虚拟试穿、商品展示和角色设定延续 |
| 对话式编辑 | 可在同一片段上连续更换背景、光线、天气和宽高比 | 修改广告变体时不必每次从零生成 |
| 价格与分辨率 | 720p 视频为每秒 0.07 美元；可先用 360p 或 720p 草稿，再升采样 | 可以把试错成本和最终输出成本分开计算 |
这里的“支持”指 Google 在公告中列出的产品能力，并不等于每个地区、账号或套餐都已显示相同入口。模型 ID、配额、分辨率、等待时间和计费规则，仍应以 Gemini API 文档 与账户中的价格页面为准。
Gemini Omni 1.2 Flash 的视频能力，适合哪些任务
更长的 15 秒片段减少拼接
15 秒仍然不是长视频，但它足够覆盖一个产品镜头、一个短教程动作或一段社交媒体广告。用户可以在 3 到 15 秒之间按秒指定时长，先用较短片段验证镜头，再把通过的版本拉长。对于需要连续运镜的内容，减少一次剪辑拼接也有助于降低画面跳变。
参考图一致性更适合品牌内容
官方展示的输入组合包括人物照片、产品正反面图片、风格图、短运动片段与音频提示。模型重点改进的是从第一帧到最后一帧保持人脸、服装、包装字体和品牌色。比如，电商团队可以用模特照片与服装产品图制作虚拟试穿序列，再检查服装背面、剪裁和品牌字样是否在转身过程中发生变化。
这类一致性属于生成结果的目标，不是对每次输出的保证。涉及商标、人物肖像和商品细节时，仍需要人工检查授权范围、文字准确性和画面是否出现变形。
多轮编辑改变了成本结构
Omni 1.2 Flash 支持围绕同一段 15 秒片段逐轮修改。例如先生成室内产品展示，再要求替换成户外背景、改变光照，最后切换为竖屏比例。如果每次修改都要重新描述人物动作和镜头构图，成本会随着版本数快速上升；连续编辑的价值在于保留已有上下文，减少重复生成。
不过，多轮编辑也会累积误差。建议每轮只改变一个主要变量，并保存通过审核的中间版本；一旦人物身份、产品形状或镜头关系出现漂移，就回到上一个稳定版本，而不是继续叠加提示词。
720p 每秒 0.07 美元，应该怎样估算费用
按公告给出的 720p 单价，单段 15 秒视频的基础生成费用可以按 15 × 0.07 = 1.05 美元粗略估算。这个数字只用于理解量级，实际项目还要考虑草稿次数、编辑轮数、升采样、音频或其他 API 调用，以及账户当前的计费规则。
更稳妥的做法是把制作拆成三层：
- 镜头验证：用 360p 或较短时长确认动作、构图和提示词是否正确。
- 内容编辑：在同一片段上逐轮调整背景、光线、比例或语音，不要为每个变体重新生成全部内容。
- 最终输出：只对通过人工审核的版本升到 1080p 或 4K，并记录最终调用量。
开发者可以在 Google AI Studio 中先做小样本测试，再阅读 Gemini API 定价说明计算团队预算。不要把公告中的单价直接当作长期锁定价格，尤其是企业配额、区域税费和不同分辨率可能采用不同规则。
开发者、企业和普通用户从哪里开始
Google 在公告中列出了三条主要路径：
- 开发者：在 Google AI Studio 中建立原型，随后对照开发者文档和价格页面接入 Gemini API。
- 企业用户：通过 Google Cloud 控制台的媒体能力或 Gemini for business 构建企业级流程，先确认组织权限和数据处理条款。
- 创作者与 Google 应用用户：可在 Flow 中导演场景，在 Google Vids 中制作 15 秒片段；Gemini 应用和 Google Ads 的具体开放范围取决于账号、订阅与地区。
如果你刚开始接触 Gemini 的多模态功能，可以先阅读站内的 Gemini AI 绘画与多模态使用指南，再把同样的“参考素材 + 镜头约束 + 输出格式”方法迁移到视频任务。开发者则可从 Gemini API 中文开发资料了解密钥管理、请求结构和工具调用的基本原则。
实际试用时的核验清单
在把 Gemini Omni 1.2 Flash 放进生产流程前，建议用一组固定素材做小规模评估：
- 用同一组人物、产品和风格参考图生成 5 个短片，记录身份、文字和颜色的一致性。
- 逐轮只修改背景、光线、宽高比等单一因素，观察编辑后是否保留动作和构图。
- 测试 3 秒、10 秒和 15 秒时长，比较失败率、等待时间和单位成本。
- 对口型、品牌字体、商品尺寸和快速运动逐帧抽查，不要只凭缩略图判断质量。
- 记录每次 API 调用、分辨率、编辑轮数和最终采用率，再决定是否扩大配额。
官方还提醒，快速体育动作、快速脚本变化和复杂物理效果仍在持续改进。对于广告投放、公开发布或客户交付，建议保留人工审核与版本回滚流程，并确认生成内容的标识、水印和版权政策。
常见问题
Gemini Omni 1.2 Flash 是不是已经对所有人开放？
不是。Google 表示它在 Gemini API 和 Gemini for business 中全面开放，但不同入口仍可能受地区、账号、订阅、组织权限和分批发布影响。最终以产品界面、官方文档和账户中的模型列表为准。
15 秒视频是不是意味着可以直接生成完整短片？
不是。15 秒是单个片段的上限，适合短广告、产品镜头和社交媒体内容。完整短片仍需要脚本、分镜、多个片段的连续性处理和后期剪辑。
720p 每秒 0.07 美元就是最终价格吗？
这是 Google 公告列出的 720p 价格，实际账单还可能受到草稿次数、编辑和升采样、账户层级及地区规则影响。接入前应重新查看官方定价页面。
结语：先验证一致性，再决定是否迁移工作流
Gemini Omni 1.2 Flash 的价值不只在于把视频延长到 15 秒，更在于参考内容保持、多轮编辑和较低的草稿成本被放进同一条流程。对开发者和企业来说，最值得先测的是失败率、编辑后的一致性和每条成片的真实成本；对创作者来说，则应先用低风险素材验证镜头与声音，再决定是否投入商业项目。
本文依据 Google Blog 官方公告整理，功能、价格、资格和可用地区可能继续变化。使用 Google AI 产品时，请遵守所在地法律法规、平台条款及相关内容授权要求。