Google 今日正式推出 Gemini Omni 1.2 Flash，并在 Gemini API 及面向企业的 Gemini 服务中全面上线。新一代模型引入原生 15 秒视频生成、多轮对话式编辑及更精准的参考图遵循能力。相比上一代，其价格下调 30%，720p 视频生成成本降至每秒 0.07 美元。
更具性价比的工作流
除直接降价外，新模型通过优化工作流进一步降低成本。用户可先生成 360p 或 720p 初稿，经编辑修正细节后，再将最佳版本放大至 1080p 或 4K，避免重复生成全片段的开销。
原生支持 15 秒视频与精准控图
Gemini Omni 1.2 Flash 将原生视频生成长度从 10 秒延长至 15 秒，并支持以 1 秒为增量指定时长（3-15 秒），满足完整故事叙述、产品介绍及社交媒体广告制作需求。
在参考图遵循方面，模型能结合角色、产品、风格图片、短动作片段（最长 3 秒）及音频提示进行生成。其在整个视频中保持高度一致性，确保面部特征、服装、包装字体及品牌色在镜头切换时稳定不变，极大简化了虚拟试穿、产品展示及品牌广告的制作流程。
稳定性提升与对话式编辑
新模型显著减少了运动过程中的视觉漂移或变形，无论是关键帧插值还是片段扩展，均能保持角色、物体及场景的一致性。对比测试显示，1.2 版本在还原复杂海报细节、材质阴影及排版方面优于 1.1 版本。
多轮对话式编辑功能允许用户对同一视频片段进行逐轮优化，如更换背景、调整灯光、切换画幅等，无需从头生成。该功能适用于完整 15 秒视频，便于针对不同受众快速制作广告变体。
自然语音合成与电影感运镜
模型支持更流畅自然的语音合成，实现清晰口型同步及多说话者区分。这一能力适用于 Flow 中的多角色对话指导、企业视频解说及 Google Vids 的专业视频制作。
在画面控制上，用户可指挥 FPV 穿越、拉远、环绕等复杂连续运动，减少不必要的跳切，呈现更具电影感的视觉效果。例如，模型可在零跳切的情况下，完成从广场到万神殿穹顶的连续无人机飞行视角。
行业应用与企业级支持
Gemini Omni 1.2 Flash 依托 Google Cloud 企业级基础设施，提供预置吞吐量选项及不可察觉的 SynthID 水印。Adobe、PORTO ROCHA、Monks、Whering、Figma Weave、STAN、Magnific 及 Resemble AI 等多家企业及创意团队已在其工作流中采用该模型，用于虚拟试穿、广告生成及内容创作。
尽管在快速体育动作、复杂物理效果等方面仍在持续改进，但该模型已具备大规模商用能力。开发者可通过 Google AI Studio 调用 API；企业用户可在 Google Cloud 控制台试用；普通用户则可通过 Flow、Google Vids（免费生成 15 秒片段）、Gemini 应用（向 Ultra 订阅用户开放）及 Google Ads 体验新功能。