谷歌发布 Gemini Omni 1.2 Flash，支持原生 15 秒视频生成且降价 30%

Gemini Omni 1.2 Flash 带来 15 秒片段、更强的一致性和更快、更经济的生成能力。 您的浏览器不支持音频元素。 我们正在推出 Gemini Omni 1.2 Flash，它提供原生 15 秒视频创作、改进的参考遵循能力和多轮对话式编辑。此次更新将成本降低了 30%，并为您的专业项目提供更好的一致性。从今天起，您可以在 Gemini API、Google Vids 和 Gemini for business 中使用这些能力，大规模制作高质量视频内容。 今天，我们推出 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 中全面开放。Gemini Omni 1.2 Flash 引入原生 15 秒视频创作、多轮对话式编辑能力和增强的参考遵循。我们将价格从 Gemini Omni 1.1 降低了 30%，720p 视频现在为每秒 0.07 美元。 除了更低的价格，工作流程也能持续降低成本：您可以先用 360p 或 720p 快速起草，通过后续编辑修正细节而无需重新生成整个片段，然后将最佳作品升级到 1080p 或 4K。 您现在可以原生生成和编辑最长 15 秒的视频，比 Omni 1.1 的 10 秒有所提升。您还可以按 1 秒为增量指定 3 到 15 秒的时长，从而有空间在单次生成中讲述完整故事、制作产品讲解视频或产出完整的社交广告片。 您可以结合角色、产品或风格图像、短运动片段（最长三秒）和音频提示来引导生成——Omni 1.2 Flash 会从头到尾保持这些细节。面部、服装、包装字体和品牌颜色在不同镜头角度下保持一致，让您轻松将现有产品摄影或角色设定图转化为虚拟试穿片段、产品目录旋转展示和品牌视频广告。 将一张模特照片与三套服装的正反面产品图结合，Gemini Omni 1.2 Flash 可生成一段 15 秒的虚拟试穿序列，涵盖 360 度旋转和匹配剪辑，同时保持模特身份以及每件服装的剪裁、垂坠感和背面细节一致。 您可以在首帧到末帧之间保持更强的角色、物体和场景一致性，减少运动与镜头转场中的视觉漂移或变形。无论您是在首尾关键帧之间插值，还是扩展片段以构建更长的序列，产品、角色、道具和环境都能在各镜头之间保持一致。 在相同的静态影棚灯光展览海报和五层动画提示下，Gemini Omni 1.1 Flash 对参考图像的匹配程度不如 1.2。Gemini Omni 1.2 Flash 在灰粉色环形幕布上逐层构建海报，六边形基座升起，组装出 HALO、GLOW 和 LUMEN 的罗纹玻璃、暖色灯丝、多面水晶和螺旋线字形，并在最后一帧始终保持每种材质、阴影和字体细节一致。 您可以逐轮细化同一个片段——例如更换产品或背景、改变光照或天气、切换宽高比——而无需从头开始。多轮对话式编辑适用于完整的 15 秒片段，让您轻松为不同受众和投放位置制作广告变体，无需重新简报或重新生成。 从一个生成的片段开始，多轮对话式提示逐轮更换背景——从条纹凉亭帐篷到橡树林、有白马的 stable、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。 您可以生成对话更流畅自然、口型同步更清晰、多说话人条件更分明的场景。无论您是在 Flow 中导演多角色对话、在 Gemini for business 中制作视频讲解，还是在 Google Vids 中借助虚拟形象、音乐和旁白制作精良的专业视频，这一点都会体现出来。 以一张温室场景图像以及四个角色、嘴部和一秒语音参考为条件，Gemini Omni 1.2 Flash 将每个采样语音路由到正确的角色，在 15 秒动画场景中呈现富有表现力的口型同步和自然的喜剧节奏。 您可以指导复杂、连续的镜头运动，例如 sweeping FPV flythroughs 到戏剧性的 zoom-outs 和 orbits， unwanted jump cuts 显著减少，scale 更稳定，观感更精致、更具电影感。 在两幅建筑参考照片的引导下，Gemini Omni 1.2 Flash 指导一次连续的 FPV 无人机飞行，穿过广场、穿过青铜门、向上穿过万神殿的 coffered dome 到达 oculus，全程零跳切。 Gemini Omni 1.2 Flash 可生成最长 15 秒的片段，比以往更好地保持参考一致。您可以滚动查看角色、文字和镜头运动在更长的镜头、多轮次和转场中保持一致，没有 cuts。 15 秒长片段：将一个风格帧转化为 4 镜头、15 秒的宏观科学讲解视频，带有拼写准确、运动追踪的标注。 多轮运动迁移：在第 1 轮生成一只起伏的章鱼，然后在第 2 轮将其替换为一位舞者，其礼服镜像出完全相同的流体运动。 首末帧一致性（1.1 vs. 1.2）：在 1.2 Flash 中以一次连续的镜头推进连接外部起始帧和内部结束帧。您可以看到细微差异，例如屋顶上的猫、汤勺变成筷子，以及其他一些微小变化。 不间断 crash zoom-out：在 10 秒单镜头中从紧凑的海岸线特写连续拉远到岛屿空中全景，比例自然，零 cuts。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）