Google发布Gemini Omni 1.2 Flash，原生生成15秒视频，每秒0.07美元

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，价格相比 Omni 1.1 Flash 降低了 30%。该模型已在 Google Cloud 和 Gemini API 上正式开放使用。对开发者而言，这意味着更长的片段、更少的重复渲染，以及更低的每秒成本。

摘要

• 运行环境：仅限 Google 托管（Gemini API、Google Cloud）。无开放权重，不支持本地部署。
• 性能：Google 称其在参考遵循度上更好、漂移更少。未公布 1.2 版本的基准测试分数。
• 优势：原生 15 秒片段，720p 视频每秒 $0.07，15 秒片段约 $1.05。
• 不足：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 推出的多模态视频模型。它以文本、图像、短视频片段和音频作为输入，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，编辑功能通过 Interactions API 处理。

相比 Omni 1.1 Flash 有哪些变化？

发布信息列出了 6 项升级：

• 更长片段：生成和编辑时长现可达 15 秒，此前 Omni 1.1 为 10 秒。
• 时长控制：可按 1 秒为步长，设置 3 至 15 秒的长度。
• 参考遵循：可将人物、产品或风格图像与最长 3 秒的动态片段结合使用。
• 一致性：人脸、服装、包装文字和品牌色彩在不同机位下保持稳定，形变更少。
• 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分明。
• 镜头控制：FPV 穿越、拉远和环绕镜头中不必要的跳切更少。

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。你先以 360p 或 720p 生成草稿，然后通过后续编辑修正细节，而不是重新生成整个片段，最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。实践中，你可以逐轮替换产品、背景、光照或宽高比。文档通过 previous_interaction_id 展示这一流程，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。其他分辨率下的节省幅度类似。作为参照，定价页面显示 Omni 1.1 Flash 的 720p 视频约为每秒 $0.10。在 1.2 上，一个完整的 15 秒 720p 片段约为 $1.05。

Google Vids 用户可免费生成 15 秒片段，无需额外费用。该模型提供 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 FlashGemini Omni 1.1 FlashVeo 3.1Seedance 2.0 开发者Google DeepMindGoogle DeepMindGoogle字节跳动 参数量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 至 15 秒，1 秒步长未披露4、6 或 8 秒4 至 15 秒 输出分辨率360p、720p；1080p 和 4K 放大360p、720p；1080p 和 4K 放大720p、1080p、4K480p、720p 原生 原生音频是是是是 多轮编辑是，最长 15 秒是否未列出未披露 720p 价格$0.07/秒约 $0.10/秒源页面未列出基于 token，浮动 权重闭源，仅 API闭源，仅 API闭源，仅 API闭源，仅 API

在基准测试上表现如何？

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。DeepMind 模型页面报告了 Omni Flash 系列的人类评分结果，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，因此只能作为系列背景参考。

早期合作伙伴反馈积极，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紧扣提示词，物理效果和声音感觉真实。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？

• Gemini API：在 Google AI Studio 中做原型，并使用开发者文档构建。
• 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（正在向 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。
• 价格降低 30%，720p 视频每秒 $0.07。
• 多轮编辑现可覆盖完整的 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 allowlist 限制。

查看发布帖、Google Cloud 公告和开发者文档。也欢迎在 Twitter 上关注我们，别忘了加入我们 15 万+ 的 ML SubReddit 并订阅我们的新闻通讯。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。 需要与我们合作推广你的 GitHub Repo 或 Hugging Face Page 或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。