Google 发布 Gemini Omni 1.2 Flash：原生15秒视频、降价30%并正式可用

Google DeepMind 产品经理 Anish Nangia 宣布推出 Gemini Omni 1.2 Flash，并在 Gemini API 与 Gemini for business 上正式可用。新版本把原生视频时长从 Omni 1.1 的10秒提升到15秒，加入多轮对话式编辑与更强的参考遵循能力，同时将价格下调30%，720p 视频定价为每秒0.07美元。

时长与定价：从10秒到15秒，价格下调三成

Gemini Omni 1.2 Flash 最直接的变化是原生视频时长上限从 Omni 1.1 的10秒提高到15秒，并且可以按1秒为步长指定3到15秒之间的时长。Google 表示，这一长度足以在一次生成中完成完整故事、产品讲解或完整的社交广告片。

价格方面，官方称相较 Gemini Omni 1.1 下调30%，720p 视频为每秒0.07美元。除单价外，工作流本身也用于控制成本：可以先用360p或720p快速草拟，通过后续编辑修正细节而不是整段重新生成，再把满意的成片放大到1080p或4K。

多轮对话式编辑：逐轮修改而非从头重来

新版本支持对同一段视频逐轮修改，例如替换产品或背景、改变光照或天气、切换画面比例，而不必重新开始生成。官方说明该能力覆盖完整的15秒片段，便于针对不同受众和投放位置制作广告变体，无需重新撰写需求或重新生成。

在官方示例中，从一段已生成的片段出发，多轮提示依次把背景从条纹帐篷换成橡树林、白马马厩、集市和石头城堡，同时保持两个角色的表演、盔甲反光和镜头构图不变。

参考遵循与一致性：角色、商品与品牌元素更稳定

Gemini Omni 1.2 Flash 强化了对参考素材的遵循，可组合人物、产品或风格图片、最长3秒的短运动片段以及音频线索来引导生成，并在整段视频中保持这些细节。官方称人脸、服装、包装字体和品牌色在不同机位下保持一致，便于把现有产品摄影或角色设定图转成虚拟试穿片段、商品旋转展示和品牌广告。

一致性还体现在首尾帧衔接和片段延长上：官方称角色、物体和场景从第一帧到最后一帧漂移或形变更少。文中以同一张静态影棚灯光海报和五层动画提示对比，称 Omni 1.1 Flash 对参考图的还原不如1.2，1.2 能逐层搭建海报并让材质、阴影和字体细节保持到最后一帧。

语音、镜头与运动：更自然的对白和更可控的运镜

在语音方面，新版本可生成更流畅自然、唇形同步更清晰的对白，并支持区分多个说话人。官方称这一改进会体现在 Flow 的多角色对白、Gemini for business 的视频讲解，以及 Google Vids 中带虚拟形象、音乐和旁白的成片中。

镜头控制方面，官方称可以指导复杂的连续运镜，例如大幅 FPV 穿越、戏剧性拉远和环绕镜头，同时明显减少不必要的跳切、尺度更稳定。示例中，模型依据两张建筑参考照片完成一段从广场穿过青铜门、沿万神殿穹顶升至圆孔的连续 FPV 飞行，且没有跳切。

可用范围与限制：正式可用、企业基础设施与水印

Google 称 Gemini Omni 首次进入正式可用状态，运行在 Google Cloud 的企业级基础设施与安全能力之上，提供 Provisioned Throughput，输出带有不可感知的 SynthID 水印。开发者可在 Google AI Studio 中试用并通过 Gemini API 接入，企业可在 Google Cloud 控制台使用。

面向普通用户，Flow 中可直接指导场景与多轮编辑；Google Vids 中，拥有 Google 账号或 Google Workspace 订阅的用户可免费生成15秒片段；Gemini 应用中可创建15秒视频，正面向 Google AI Ultra 订阅者推出；Google Ads 中可用于规模化视频广告。官方同时表示，快速体育动作、快速脚本变化和复杂物理等方向仍在继续改进。

知序观察

观察：此次更新的重点不只是时长和价格，而是把“生成—修改—放大”的流程串起来，多轮对话编辑让广告变体和商品展示的迭代成本下降。正式可用与企业级基础设施、SynthID 水印的组合，说明 Google 正把视频生成推向规模化商用；但官方也承认快速运动与复杂物理仍是短板，实际效果仍需以真实项目检验。