谷歌已在 Gemini API 和其企业产品中正式推出 Gemini Omni 1.2 Flash。该模型可生成最长 15 秒的片段,支持多轮对话式编辑,并将标称的 720p 生成价格降低 30%,至每秒 0.07 美元。Omni 系列可在一个提示中接收文本、图像、音频和视频,并据此生成视频。
Gemini Omni 1.2 Flash 延长片段时长并支持编辑
Gemini Omni 1.2 Flash 可生成 3 至 15 秒的视频片段,时长以 1 秒为增量。其前代模型生成的片段最长为 10 秒,这一限制常常迫使开发者将场景拼接起来,并管理不同次生成之间的连续性。
多轮编辑允许开发者通过后续指令修改片段,而无需从头重新生成。先前的片段会保留在上下文中,因此开发者可以在保留现有提示上下文的同时,提出更改背景或光照等要求。
Gemini Omni 1.2 Flash 降低 720p 生成价格
720p 视频输出的 API 价格为每生成一秒 0.07 美元。按此价格,生成 3 秒的 720p 视频需花费 0.21 美元,生成 15 秒则需花费 1.05 美元,尚未计入重试或后续处理费用。
谷歌建议先以 360p 或 720p 生成草稿,通过后续指令进行修正,再将选定的片段升频至 1080p 或 4K。项目预算仍需考虑编辑请求、被拒绝的生成、升频、存储和下游处理费用。
Gemini Omni 1.2 Flash 改进参考素材处理和对白效果
该模型可以将角色、产品或风格图像与音频提示以及最长 3 秒的动作片段结合使用。谷歌表示,模型在生成场景的整个过程中(包括摄像机移动时)能更一致地保留参考细节。据称,这些改进涵盖不同拍摄角度下的人脸、服装、产品包装、字体和品牌颜色。
该模型还提供更清晰的唇形同步效果,并支持对多个说话人进行单独条件控制。内置的 SynthID 水印功能会将谷歌的识别信号嵌入生成的视频中。
Gemini Omni 1.2 Flash 仍存在动作和文本方面的局限
谷歌指出,快速的体育动作、突兀的剧本变化以及复杂的物理交互都是较难处理的情况。DeepMind 模型卡还提到,编辑可能引入连续性错误,而复杂动作和精确渲染文本可能需要多次尝试或手动修正。
更准确地遵循提供的包装和品牌参考,并不意味着每一帧中的拼写都准确或文本都稳定。建议开发者在发布前检查徽标、标签、颜色以及对身份识别敏感的细节,尤其是在片段包含较小或移动文本时。
Gemini Omni 1.2 Flash 已在谷歌的多款产品中推出
开发者可以在 Google AI Studio 中制作原型,也可以通过 Gemini API 进行集成。Interactions API 会在连续的编辑请求之间保留上下文。Google Cloud 团队可以通过 Vertex AI 和 Gemini for business 使用该模型;对于需要稳定可用性的工作负载,Provisioned Throughput 可提供预留容量。
创作者可以在 Flow 中生成和修改场景,在 Google Vids 中创建 15 秒片段,也可以随着功能逐步推出,使用 Gemini app(面向 Google AI Ultra 订阅用户)。广告团队可以通过 Google Ads 制作营销活动素材。
Gemini Omni 1.2 Flash 规格与可用情况
- Gemini Omni 1.2 Flash 已在 Gemini API 和谷歌的企业产品中正式推出。
- 原生片段时长为 3 至 15 秒,以 1 秒为增量;前代模型生成的片段最长为 10 秒。
- 720p 视频输出的价格为每生成一秒 0.07 美元;按此价格,生成 3 秒需花费 0.21 美元,生成 15 秒需花费 1.05 美元。
- 谷歌建议以 360p 或 720p 制作草稿,再将选定片段升频至 1080p 或 4K。
- 多轮编辑会在修改过程中保留先前片段和提示上下文。
- 参考输入可包括角色、产品或风格图像、音频提示以及最长 3 秒的动作片段。
- 该模型内置 SynthID 水印,提供更清晰的唇形同步效果,并支持对多个说话人进行单独条件控制。
- 列出的访问渠道包括 Google AI Studio、Gemini API、Vertex AI、Gemini for business、Flow、Google Vids、Gemini app 和 Google Ads。
常见问题
Gemini Omni 1.2 Flash 视频最长可以有多长?
Gemini Omni 1.2 Flash 可生成 3 至 15 秒的片段,时长以 1 秒为增量。前一版本生成的片段最长为 10 秒。
Gemini Omni 1.2 Flash 的 720p 视频费用是多少?
标称的 720p 视频 API 价格为每生成一秒 0.07 美元。按此价格,生成 3 秒需花费 0.21 美元,生成 15 秒需花费 1.05 美元,尚未计入重试或后续处理费用。
用户可以在哪里使用 Gemini Omni 1.2 Flash?
该模型已在 Gemini API 和谷歌的企业产品中正式推出。列出的访问渠道包括 Google AI Studio、Vertex AI、Gemini for business、Flow、Google Vids、Gemini app 和 Google Ads。