Gemini Omni 1.2 Flash 发布说明

Google 已正式发布 Gemini Omni 1.2 Flash，这是一次专注于视频生成能力、成本效益和一致性改进的模型更新。该模型现已在 Gemini API、Google Cloud 以及各种 Google 消费者应用程序中全面可用。

关键技术改进

Gemini Omni 1.2 Flash 为视频制作工作流程引入了多项功能升级：

• 延长时长： 用户现在可以原生生成和编辑长达 15 秒的视频片段，并能够以 1 秒为增量指定时长（从 3 秒起）。
• 增强的参考遵循度： 当使用角色、产品或风格图像作为参考时，该模型表现出更好的一致性。这包括在不同的摄像机角度和运动序列中保持面部、服装和排版的保真度。
• 多轮对话编辑： 该模型支持迭代优化。用户可以在后续对话中修改特定元素（例如背景、光照或天气），而无需从头开始重新生成整个片段。
• 电影级控制： 新功能允许进行复杂的连续摄像机运动，例如 FPV 无人机穿越和长焦变焦，并减少了不必要的跳剪情况。
• 改进的音频和唇形同步： 此次更新包括更流畅的对话生成和更好的多说话人条件控制，旨在用于专业视频创作工具。

定价与可用性

与 Gemini Omni 1.1 相比，Google 将该模型的价格降低了 30%，目前 720p 视频生成的定价为每秒 0.07 美元。该模型可通过以下方式访问：

• 开发者： 通过 Gemini API 和 Google AI Studio 提供，并支持预置吞吐量 (Provisioned Throughput)。
• 企业： 可通过 Google Cloud 控制台和 Gemini 企业代理平台访问。
• 消费者应用： 正在向 Google Vids、Gemini 应用（针对 Google AI Ultra 订阅者）和 Google Ads 推广。

社区与行业反响

开发者社区的初步反馈强调了对 Google 产品命名惯例和分阶段发布计划的极大困惑。用户报告称，难以确定哪些模型可供特定的订阅层级使用，一些人指出文本转语音音频与书面文档在定价更新方面存在差异。

一些高级用户对当前 AI 视频模型在精确创意指导方面的实际效用表示怀疑。正如一位用户所指出的：

"我只是不知道视频生成在长期来看会如何发展。你必须经过如此多的迭代才能得到哪怕有一点点符合你预期的东西。我宁愿等待 5-10 分钟得到一个真正按我要求执行的片段，也不愿在 30 秒内得到一些无用的东西。" — @handle

其他人指出，虽然技术上的一致性进步值得欢迎，但 Google AI 生态系统的碎片化（从 "Flash" 到 "Experimental" 标签）对于那些寻求可靠、长期生产工具的人来说仍然是一个障碍。尽管存在这些担忧，但对广告创作工作流程的关注表明，Google 正在将该模型定位为其更广泛的广告和企业媒体战略的核心组成部分。