2026年11月5日，谷歌正式宣佈 Gemini Omni 1.2 Flash 全面可用（Generally Available）。呢個係谷歌影片生成與編輯模型系列嘅最新版本，面向開發者、企業用家同內容創作者，重點提升咗影片時長、參考一致性、對話式編輯能力，並顯著降低使用成本。
Gemini Omni 系列定位為多模態生成模型，能夠結合文本、圖像、影片同音頻輸入，生成帶原生同步音頻嘅影片內容。1.2 Flash 係該系列喺 Flash 層級上嘅一次重要迭代，主要面向高頻、規模化嘅短片生產場景，例如產品展示、虛擬試穿、廣告素材、社交媒體短片等。
核心升級：時長、一致性與成本
相比前代 Omni 1.1 Flash，1.2 版本最直觀嘅改進係影片時長。用家而家可以原生生成同編輯最長15秒嘅影片（此前上限為10秒），並支援以 1 秒為增量精確指定時長（3 至 15 秒）。呢點令模型可以覆蓋更完整嘅敍事段落或產品演示，而無需頻繁拼接。
參考遵循能力同樣得到加強。用家可同時提供角色、產品或風格參考圖、最長 3 秒嘅運動片段，以及音頻線索。官方表示，模型能喺整段影片中更好保持面部、服裝、包裝字體同品牌色彩嘅一致性，尤其適合需要多機位或連續鏡頭嘅品牌內容。
對話式編輯成為另一項實用功能。用家可以通過自然語言多輪互動，對已生成嘅影片進行局部修改——例如更換背景、調整光照、替換主體或改變鏡頭運動——而無需由頭再生成。呢項功能降低咗試錯成本，更貼近真實創作流程。
喺語音方面，模型對多說話人對話嘅支援更自然，唇形同步精度有所提升。鏡頭控制亦更連貫，減少咗生硬跳切。
價格調整係今次發佈嘅重要商業信號。720p 影片嘅生成價格降至每秒 0.07 美元，較 Omni 1.1 下降約 30%。用家可先以 360p 或 720p 快速出草稿，確認滿意後再將優質結果升採樣至 1080p 或 4K，從而進一步控制成本。谷歌亦為輸出內容加入咗 SynthID 水印，並提供企業級嘅 Provisioned Throughput 支援。
可用範圍與定位
Gemini Omni 1.2 Flash 已喺 Gemini API、Google AI Studio、Google Cloud、Gemini for business、Google Vids 等渠道上線。部分功能亦向 Gemini 應用訂閱用戶（尤其係 Ultra 檔位）開放 15 秒時長能力。谷歌計劃由 2026 年 12 月 3 日起，將指向 1.1 版本嘅 API 請求自動路由至 1.2 版本。
從定位嚟睇，Omni 1.2 Flash 並無追求最長時長或最高電影級畫質，而係強調速度快、成本可控、一致性足夠好，適合需要批量產出短片嘅企業營銷、電商同內容團隊。佢同針對更長、更高質創作嘅模型互為補充，共同構成谷歌喺生成式影片領域嘅產品矩陣。
行業影響與客觀評估
當前生成式影片市場競爭激烈。OpenAI、字節跳動、Black Forest Labs 等公司均喺推進更長時長、更強可控性嘅模型。谷歌選擇喺 Flash 層級優先解決「夠用時長 + 更低成本 + 更好參考一致性」嘅組合，反映咗其對規模化商業應用嘅判斷：好多實際業務並唔需要 30 秒以上嘅長片，而係需要快速、可重複、可控嘅 15 秒級素材。
需要指出嘅係，官方公布嘅改進主要來自內部評測同示例展示。獨立第三方喺複雜運動、細緻文字渲染、極端一致性場景下嘅全面對比數據仍然有限。用家實際體驗中，參考遵循同唇形同步嘅提升幅度可能會因具體提示詞同素材而有差異。此外，音頻參考功能目前仍處於允許名單（allowlist）階段，未有全面開放。
整體而言，Gemini Omni 1.2 Flash 係一次務實嘅迭代。佢冇宣稱顛覆性突破，而係喺時長、成本、編輯體驗同一致性上做出明顯改進，並同步推向生產環境。對於需要高頻產出短片內容嘅企業同開發者嚟講，呢個係一個更容易落地、更易計算成本嘅工具選擇。隨住後續更多實際用例同獨立評測出現，佢喺商業場景中嘅真實價值會進一步得到驗證。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎訂閱我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多 AI 新聞請瀏覽：https://www.airosetta.com