Google 发布 Gemini Omni 1.2 Flash：降价30%，支持15秒视频

Google DeepMind 正式推出 Gemini Omni 1.2 Flash，并在 Gemini API 与 Google Cloud 商业服务中全面上线（GA）。新版本引入了原生 15 秒视频生成、多轮对话编辑以及大幅强化的参考素材遵循能力。相比 1.1 版本，其生成费用下调了 30%，720p 视频生成价格降至每秒 0.07 美元。

规模化生成更具性价比

除了基础定价下调，新的工作流也进一步降低了整体使用成本。用户可以先用 360p 或 720p 快速生成视频小样，遇到需要调整的局部细节，只需通过对话微调即可，无需重新生成整段素材；最终满意的成品可直接超分辨率放大至 1080p 乃至 4K。

原生视频时长提升至 15 秒

新模型支持原生生成与编辑长达 15 秒的视频，相比 Omni 1.1 的 10 秒上限明显增加。用户可以在 3 秒到 15 秒之间以 1 秒为递增单位精确指定时长，单次生成即可容纳完整的故事叙述、产品介绍或社交媒体广告分镜。

参考素材保持力大幅增强

在生成过程中，用户可以混合输入人物图像、产品图、风格参考、3 秒内的动态片段以及音频线索，Omni 1.2 Flash 能够在全片维持这些参考特征。人脸、服饰轮廓、包装文字排版和品牌标准色在多机位切换下均能保持一致。这让虚拟试穿、360 度产品旋转展示和品牌广告的制作门槛大幅降低。

在测试中，仅需一张模特照片和三套服装的正面及背面素材，Gemini Omni 1.2 Flash 即可生成包含 360 度转体与动作匹配剪辑的 15 秒试穿视频，同时完整保留模特身份特征与衣物剪裁细节。

画面前后一致性更稳固

新模型大幅改善了镜头运动和动态过程中的视觉漂移与畸变现象。无论是在首尾关键帧之间进行插帧，还是延续片段生成更长的连续画面，主体、道具与背景环境都能跨镜头保持高度稳定。

对话式渐进编辑

创作者可以通过多轮自然语言对话对既有视频进行渐进式修改，例如替换特定背景、修改天气光影或调整画幅比例，而无需从头重新渲染。这一特性贯穿整个 15 秒片段，极大地方便了广告制作团队针对不同受众群体快速衍生多种素材版本。

对白更自然，唇形同步更精准

新版本在多角色对白、自然语调节奏和精准唇形同步（Lip-sync）方面有了明显飞跃。在 Google 旗下的 Flow 工具、Gemini 企业版 以及配备虚拟形象解说的 Google Vids 中，均可直接调用该能力。

电影级镜头运动控制

在运镜调度上，Gemini Omni 1.2 Flash 支持第一人称视角（FPV）穿越穿透、大范围拉远与环绕等复杂的连续机位运动，有效减少了非预期的跳接切镜，整体运动轨迹更加平滑且具电影质感。

落地企业与创作者生态

这是 Gemini Omni 系列模型首次走向全面商用（GA），底层接入了 Google Cloud 的企业级安全架构，支持预配吞吐量（Provisioned Throughput），且所有生成的视频均内置防伪的 SynthID 隐形水印。

目前该模型已在 Google 多个平台同步就绪：

• 开发者：可通过 Google AI Studio 调取 Gemini API 进行原型测试并查阅最新定价。
• 企业用户：可在 Google Cloud Console 中直接使用，或通过 Vertex AI 相关服务集成到企业业务流。
• 终端用户：可在 Google Vids 中免费生成 15 秒视频，该能力也正向 Google AI Ultra 订阅用户的 Gemini 移动应用及 Google Ads 平台分批推送。