Google 发布 Gemini Omni 1.2 Flash，支持 15 秒视频生成与编辑

Google 发布了 Gemini Omni 1.2 Flash，这是其视频生成与编辑模型的最新版本。Gemini Omni 1.2 Flash 可原生生成和编辑最长 15 秒的片段。与 Omni 1.1 Flash 相比，它还将价格降低了 30%。该模型已在 Google Cloud 和 Gemini API 上正式可用。对开发者而言，要点是更长的片段、更少的重新渲染，以及更低的每秒费用。

TL;DR

运行方式：仅限 Google 托管（Gemini API、Google Cloud）。无开放权重，无本地部署。
性能：Google 报告称参考遵循性更好、漂移更少。未公布 1.2 的基准测试分数。
最佳：原生 15 秒片段，720p 视频每秒 $0.07，15 秒片段约 $1.05。
最差：Google 表示快速体育动作、快速脚本变化和复杂物理效果仍需改进。

什么是 Gemini Omni 1.2 Flash？

Gemini Omni 1.2 Flash 是 Google DeepMind 的多模态视频模型。它以文本、图像、短视频片段和音频作为输入。它输出带音频的视频。Google 的开发者文档将 Omni 系列描述为原生多模态，编辑通过 Interactions API 处理。

与 Omni 1.1 Flash 相比有哪些变化？

发布公告列出了 6 项升级：

更长的片段：生成和编辑现在可达 15 秒，高于 Omni 1.1 的 10 秒。
时长控制：可以 1 秒为步长设置 3 到 15 秒的长度。
参考遵循性：可以将角色、产品或风格图像与最长 3 秒的运动片段结合使用。
一致性：面部、服装、包装文字和品牌颜色在不同摄像机角度下保持稳定，变形更少。
语音：对话听起来更自然，唇形同步更清晰，多说话人条件控制更明确。
摄像机控制：FPV 穿越、拉远和环绕镜头出现的不必要跳切更少。

草稿、编辑、放大工作流如何运作？

Google 将成本控制视为一种工作流，而不仅仅是价格。你可以 360p 或 720p 制作草稿。通过后续编辑修复细节，而不是重新生成整个片段。然后将最佳结果放大到 1080p 或 4K。

多轮对话式编辑现在可覆盖完整的 15 秒片段。在实践中，你可以逐轮替换产品、背景、光照或宽高比。文档通过一个 previous_interaction_id 展示了这一点，因此无需重新上传之前的视频。

Gemini Omni 1.2 Flash 的价格是多少？

Google 将 Omni 1.2 Flash 定价为 720p 视频每秒 $0.07。其他分辨率的节省幅度类似。作为参考，定价页面显示 Omni 1.1 Flash 的 720p 视频约为每秒 $0.10。在 1.2 上，完整的 15 秒 720p 片段约为 $1.05。

Google Vids 用户可免费生成 15 秒片段。提供 Provisioned Throughput，输出带有 SynthID 水印。

与其他视频模型相比如何？

功能	Gemini Omni 1.2 Flash	Gemini Omni 1.1 Flash	Veo 3.1	Seedance 2.0
开发者	Google DeepMind	Google DeepMind	Google	ByteDance
参数	未披露	未披露	未披露	未披露
单片段最长	15 秒	10 秒	8 秒	15 秒
时长选项	3 到 15 秒，1 秒步长	未披露	4、6 或 8 秒	4 到 15 秒
输出分辨率	360p、720p；1080p 和 4K 为放大输出	360p、720p；1080p 和 4K 为放大输出	720p、1080p、4K	480p、720p 原生
原生音频	支持	支持	支持	支持
多轮编辑	支持，最长 15 秒	支持	未列出	未披露
720p 价格	$0.07/秒	约 $0.10/秒	来源页面未列出	按 token 计费，价格不定
权重	闭源，仅提供 API	闭源，仅提供 API	闭源，仅提供 API	闭源，仅提供 API

它在基准测试中表现如何？

Google 尚未公布 1.2 版本的基准测试分数。其说法基于与 Omni 1.1 的并排演示对比。DeepMind 模型页面报告了 Omni Flash 系列的人工评分结果，其中包括 1,003 条 MovieGenBench 提示词。今年 6 月，较早的 Omni Flash 版本在Arena 文生视频榜单上排名第一。这些排名早于 1.2 版本，因此只能作为该系列的背景参考。

早期合作伙伴的反馈是正面的，但属于自选样本。根据 Google 的发布页面，invideo 的工程副总裁表示该模型能严格遵循提示词，物理效果和声音都很真实。QuickFrame AI 表示，1080p 下 15 秒的时长让用户能在 1 次生成中构建完整的 CTV 广告。

开发者可以在哪里使用它？

Gemini API：在 Google AI Studio 中制作原型，并使用开发者文档进行构建。
Google Cloud：使用Agent Platform API，享有企业级 SLA。
Google 应用：Flow、Google Vids、Google Ads 和 Gemini 应用（正逐步向 AI Ultra 推出）。

要点

Gemini Omni 1.2 Flash 可生成和编辑原生 15 秒片段，此前为 10 秒。
价格下降 30%，降至每秒钟 720p 视频 $0.07。
多轮编辑现在可覆盖完整的 15 秒片段，无需重新生成。
1.2 版本尚未公布基准测试分数。
音频参考在 Google Cloud 上仍受允许列表限制。

查看发布博文、Google Cloud 公告和开发者文档。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅我们的新闻简报。等等！你在用 Telegram 吗？现在你也可以在 Telegram 上加入我们了。

需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等？联系我们

文章Google Releases Gemini Omni 1.2 Flash: 15-Second AI Video at $0.07 per Second首发于MarkTechPost。