Google DeepMind 11 月 5 日宣布，视频生成模型 Gemini Omni 1.2 Flash 正式全面上线（GA），登陆 Gemini API 与 Gemini for business。这是 Gemini Omni 系列第一次拿到企业级可用状态，背后有 Google Cloud 的基础设施、安全与 SLA 撑腰，意味着它从预览产品正式变成了可以进生产流程的工具。
这一版的改动集中在三处。第一是时长：原生生成与编辑的单条视频从 10 秒拉到 15 秒，3 到 15 秒之间可以按 1 秒步进指定时长，谷歌的说法是，15 秒刚好够讲一个完整的产品讲解或一条社交广告。第二是价格：720p 视频降价 30%，每秒 0.07 美元，一条 15 秒的片子约 1.04 美元；原有的 Omni 1.1 调用从 12 月 3 日起自动按 1.2 的费率结算。第三是编辑方式：支持多轮对话式编辑，换背景、换产品、调光线天气、改画幅都不用从头重新生成，同一条片子可以逐轮改出多个投放版本。
一致性是谷歌这次着墨最多的点。模型可以同时参考人物、产品、风格图，最多三秒的动态参考与音频提示，谷歌称人脸、服装、包装文字、品牌色在多机位切换里能保持稳定，官方演示里一件衣服的 360 度虚拟试穿全程没有走样。谷歌自己给出的对照评测是：文本转视频的一致性胜率 62% 对 38%（对 Omni 1.1），这是谷歌自家的数字，暂无第三方独立复核。官方也承认短板还在：快速体育动作、频繁切换场景、复杂物理依然是弱项。
落地渠道已经铺开：开发者走 Gemini API 与 Google AI Studio，Flow 里可以做场景导演与多轮编辑，Google Vids 免额外费用生成 15 秒片段，Gemini 应用向 Google AI Ultra 订阅用户逐步开放，Google Ads 里也能直接规模化投放视频广告。值得注意的节奏是，谷歌选在 OpenAI 发布 Images 2.6 的同一天把视频模型推上 GA，AI 视频这条赛道的竞争正在从「能不能生成」转向「便宜多少、稳不稳、能不能直接进工作流」。输出默认带 SynthID 隐形水印，这一点谷歌在公告里也写明了。
站内相关：谷歌的另一条 Gemini 新动态是 Gemini Computer Use 正式 GA；安全方向的旗舰模型可看 Gemini 4 Carbon。
来源：Google 官方博客，原文：https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/
没有回复内容