Gemini Omni 1.2 Flash：15秒视频生成，多轮对话编辑

1. 单次生成的视频延长至15秒

Gemini Omni 1.2 Flash 将原生视频生成，即模型内部直接生成的视频长度，从上一代的最长10秒延长至最长15秒。用户可在3秒至15秒之间以1秒为单位指定时长，从而通过一次生成构建更长的场景或社交广告。

据公司公布，720p 视频的价格为每秒0.07美元，比 Gemini Omni 1.1 低30%。谷歌建议先以较低分辨率快速制作草稿并修改细节，再仅将选中的结果放大至高分辨率。

2. 将参考素材的特征保持到场景结束

生成时，除角色、产品和风格图片外，还可添加最长3秒的动作视频和音频提示。谷歌表示，已改进对参考素材的还原，使面孔、服装、包装文字和品牌颜色等在摄像机角度变化时仍能保持一致。

例如，可将一张模特照片与三套服装的正反面产品照片结合，生成15秒的虚拟试穿视频，即合成穿上服装后的画面。谷歌展示的案例在360度旋转和场景衔接过程中，保持了模特身份及服装的剪裁、面料垂坠形态和背面细节。这面向将产品照片或角色设定图转化为视频的制作流程。

该模型也支持衔接首帧与尾帧之间的画面，或延长现有片段。谷歌表示，人物、物体和背景在运动及镜头切换中更一致，外观抖动或变形有所减少。在使用同一张展览海报和依次叠起五层的动画指令进行的对比中，谷歌展示了其文字和材质比旧模型更贴近参考图片的效果。

3. 用对话修改，而非重新制作

核心变化是能够通过多轮对话编辑已生成的片段。用户可连续发出指令，更换背景或产品，调整光照、天气和画面比例。谷歌表示，这类编辑适用于完整的15秒片段，在为广告受众或投放位置制作变体时，可减少每次从头描述或重新生成的需要。

在镜头调度方面，可指定从飞行器视角移动、画面急速拉远或环绕主体的运动。谷歌表示，执行这些指令时，不想要的跳切，即像跳过部分场景般的剪辑有所减少，画面中主体的大小也更加稳定。

谷歌介绍称，语音生成改善了对白的自然度、唇形同步，即让嘴唇运动与语音匹配的功能，以及多位说话者的声音区分。

谷歌的背景编辑示例将同一片段的背景依次从帐篷改为森林、马厩、集市和城堡，同时保持两名人物的表演、盔甲反光及画面构图。另一个动作转换示例则将首次指令生成的章鱼在下一次指令中改为舞者，并让服装模仿章鱼的波浪式运动。

4. 降低成本与尚存的制作难题

除每秒价格下调外，通过后续编辑只修改必要部分，还可减少重新生成整个片段的次数。采用这种方式，创作者会将工作分配到挑选草稿和发出后续修改指令上，而非追求一次获得成片。谷歌表示，可先以360p或720p制作草稿，再将选中的结果放大至1080p或4K。

谷歌将快速体育动作、剧本的突变和复杂物理现象列为仍在改进的领域。

生成结果包含不可见的 SynthID 水印，即嵌入视频中用于识别来源的标记。

5. 从开发者到普通用户，使用渠道扩大

开发者可通过 Gemini API 使用该模型。谷歌引导用户在 Google AI Studio 中构建原型，即为测试而先行制作的初期模型，并查看入门应用、开发文档和价格信息。

企业可在 Google Cloud 控制台中试用，然后通过 API 扩展应用。平台还提供预先预留吞吐量，即一定时间内可处理工作量的功能。谷歌表示，这是该模型系列首次正式开放使用。

在 Google Vids 中，用户可通过谷歌账号或 Google Workspace 订阅生成15秒片段，无需额外付费。

Gemini 应用的15秒视频功能正面向 Google AI Ultra 订阅用户逐步推出。

Flow 支持场景指令和对话式编辑，Google Ads 则可将其用于制作视频广告系列。

此次变化的核心并非片段本身变得更长，而是围绕同一视频更换产品和背景，并将其复用于多种用途的制作流程。