2026年11月5日，谷歌正式宣布 Gemini Omni 1.2 Flash 全面可用（Generally Available）。这是谷歌视频生成与编辑模型系列的最新版本，面向开发者、企业用户和内容创作者，重点提升了视频时长、参考一致性、对话式编辑能力，并显著降低了使用成本。
Gemini Omni 系列定位为多模态生成模型，能够结合文本、图像、视频和音频输入，生成带原生同步音频的视频内容。1.2 Flash 是该系列在 Flash 层级的重要迭代，主要面向高频、规模化的短视频生产场景，例如产品展示、虚拟试穿、广告素材、社交媒体短片等。
核心升级：时长、一致性与成本
与前代 Omni 1.1 Flash 相比，1.2 版本最直观的变化是视频时长。用户现在可以原生生成和编辑最长 15秒 的视频（此前上限为10秒），并支持按1秒增量精确指定时长（3至15秒）。这让模型能够覆盖更完整的叙事段落或产品演示，而无需频繁拼接。
参考遵循能力也得到加强。用户可同时提供角色、产品或风格参考图、最长3秒的运动片段，以及音频线索。官方表示，模型在整段视频中能更好地保持面部、服装、包装字体和品牌色彩的一致性，尤其适合需要多机位或连续镜头的品牌内容。
对话式编辑成为另一项实用功能。用户可以通过自然语言多轮交互，对已生成的视频进行局部修改——例如更换背景、调整光照、替换主体或改变镜头运动——而无需从头重新生成。这降低了试错成本，也更接近实际创作流程。
在语音方面，模型对多说话人对话的支持更自然，唇形同步精度有所提升。镜头控制也更连续，减少了生硬的跳切。
价格调整是本次发布的重要商业信号。720p 视频的生成价格降至 每秒0.07美元，较 Omni 1.1 下降约30%。用户可先以360p或720p快速出草稿，确认满意后再将优质结果升采样至1080p或4K，从而进一步控制成本。谷歌还为输出内容添加了 SynthID 水印，并提供企业级的 Provisioned Throughput 支持。
可用范围与定位
Gemini Omni 1.2 Flash 已在 Gemini API、Google AI Studio、Google Cloud、Gemini for business、Google Vids 等渠道上线。部分功能也向 Gemini 应用订阅用户（尤其是 Ultra 档位）开放15秒时长能力。谷歌计划于2026年12月3日起，将指向1.1版本的API请求自动路由至1.2版本。
从定位上看，Omni 1.2 Flash 并不追求最长时长或最高电影级画质，而是强调速度快、成本可控、一致性足够好，适合需要批量产出短视频的企业营销、电商和内容团队。它与面向更长、更高质量创作的模型形成互补，共同构成谷歌在生成式视频领域的产品矩阵。
行业影响与客观评估
当前生成式视频市场竞争激烈。OpenAI、字节跳动、Black Forest Labs 等公司均在推进更长时长、更强可控性的模型。谷歌选择在 Flash 层级优先解决“够用时长 + 更低成本 + 更好参考一致性”的组合，反映了其对规模化商业应用的判断：许多实际业务并不需要30秒以上的长视频，而是需要快速、可重复、可控的15秒级素材。
需要指出的是，官方公布的改进主要来自内部评测与示例展示。独立第三方在复杂运动、精细文字渲染、极端一致性场景下的全面对比数据仍有限。用户实际体验中，参考遵循和唇形同步的提升幅度可能因具体提示词和素材而有所差异。此外，音频参考功能目前仍处于允许名单（allowlist）阶段，尚未全面开放。
总体而言，Gemini Omni 1.2 Flash 是一次务实的迭代。它没有宣称颠覆性突破，而是在时长、成本、编辑体验和一致性上做出了明确改进，并同步推向生产环境。对于需要高频产出短视频内容的企业和开发者来说，这是一个更易落地、更易算账的工具选择。随着后续更多实际用例和独立评测的出现，其在商业场景中的真实价值将进一步得到验证。
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com