谷歌推出 Gemini Omni 1.2 Flash,支持生成 15 秒视频

关键要点

  • 谷歌于 2026 年 11 月 5 日发布 Gemini Omni 1.2 Flash,将最长视频时长延长至 15 秒,并将 API 定价下调 30%,720p 视频每秒收费 0.07 美元。
  • 根据谷歌的文档,Gemini Omni 1.2 Flash 每次请求最多可接收六张参考图像、最长三秒的视频片段和音频提示,同时保持角色一致性。
  • 从 2026 年 12 月 3 日起,Gemini Omni 1.1 Flash 将在 API 中自动重定向至 1.2 版本并采用新定价;从 2026 年 12 月 5 日起,谷歌 Flow 也将如此。

2026 年 11 月 5 日,谷歌发布了 Gemini Omni 1.2 Flash,这是 Google DeepMind 推出的更新版视频生成模型,将片段最长时长从 10 秒延长至 15 秒,同时将 API 定价下调 30%,720p 视频的价格降至每秒 $0.07。该模型在 Gemini API 和 Google Cloud 中正式上线,成为 Omni 系列在预览模式运行后首个正式发布的版本。此次更新提升了角色和物体的一致性,增强了对话生成能力和自然唇形同步效果,并带来了对话式编辑功能,允许用户修改已完成的片段,无需重新生成整个视频。

Gemini Omni 1.2 Flash 视频时长和分辨率扩展

Gemini Omni 1.2 Flash 可生成最长 15 秒的视频片段,时长可按 1 秒为增量在 3 至 15 秒之间选择。如果未指定时长,模型默认生成 10 秒视频。15 秒的最长时长与社交媒体和电视平台的标准广告时长相符。模型支持 360p、720p、1080p(超分辨率)和 4K(超分辨率)输出分辨率,并根据分辨率相应调整价格。

参考内容遵循度和视觉一致性改进

Omni 1.2 Flash 可同时接受多种参考输入:每个请求最多六张图片(两个角色各最多三张镜头图)、最长三秒的短视频片段以及音频提示。根据谷歌的文档,该模型能够在摄像机角度切换时保持角色面部、服装、包装上的文字和品牌颜色从首帧到末帧一致,不发生变化。Google Cloud 中的音频参考仍仅可通过申请并列入允许名单后使用。该模型通过减少摄像机移动和镜头转场期间的视觉漂移和形状失真,提高场景稳定性;无论是在两帧之间进行插帧,还是延长片段时,均有此改进。

对话式编辑和多步骤修改

Omni 1.2 Flash 支持基于对话的编辑:用户描述对已完成片段的修改需求,模型只修改指定元素,同时保留未更改的内容。在 API 中,此功能通过 previous_interaction_id 参数实现,该参数引用先前的请求,无需重新上传视频。用户可以修改背景、光线、天气、宽高比或完整 15 秒片段中的单个物体。延长后片段的总时长上限为 30 秒,单次延长最多 10 秒。每次编辑的费用与生成相同长度片段的费用相同。

API 定价和积分系统

在 Gemini API 中,Gemini Omni 1.2 Flash 视频生成的价格为每 100 万个输出 token $12,输入(文本、图片、视频)的价格为每 100 万个 token $1.50。换算为按秒计费,360p 约为每秒 $0.023,720p 约为每秒 $0.07,1080p 超分辨率约为每秒 $0.104,4K 超分辨率约为每秒 $0.209。15 秒片段在 360p 下约需 $0.35,在 720p 下约需 $1.04,在 1080p 下约需 $1.56,在 4K 下约需 $3.14。在 Google Flow 中,生成使用积分系统:免费账户每天可获得 50 积分,Google AI Plus 订阅者每月可获得 200 积分,Pro 订阅者每月可获得 1,000 积分,价格为 $100 的 Ultra 订阅者每月可获得 10,000 积分,价格为 $200 的 Ultra 订阅者每月可获得 25,000 积分。Flow 按秒计费:15 秒片段在 360p 下需 20 积分,在 720p 下需 60 积分。Gemini API 没有免费套餐;所有调用均需付费。所有生成的片段都会添加不可见的 SynthID 水印和无法移除的 Content Credentials (C2PA) 元数据。

自然语音生成和语言支持

Omni 1.2 Flash 可生成多角色对话,提升唇形同步准确度和语音区分度,并将每句台词分配给正确的角色。谷歌特别强调了三种用途:Flow 中的角色对话、Gemini for business 中的视频讲解,以及 Google Vids 中带配音的虚拟形象视频。不过,根据文档,目前只有英语得到全面支持。其他语言可能可以使用,但谷歌尚未评估,生成结果的可预测性较低。

各服务的可用性和访问层级

Gemini Omni 1.2 Flash 已通过八个分发渠道推出,各渠道提供的功能有所不同。在 Gemini 应用中,多步骤编辑和视觉效果改进已向所有 Google AI 订阅者开放,但 15 秒片段仍仅限 Google AI Ultra 订阅者使用。在 Google Flow 中,免费用户可以创建和编辑最长 10 秒的片段;11 至 15 秒的片段、延长功能和超分辨率功能仅限订阅者使用。任何 Google 账户持有人都可以在 Google Vids 中每月免费创建最多三个 15 秒视频。Gemini API 和 Google AI Studio 提供完整功能,包括文本生成视频、图片生成视频、帧插值、编辑、延长和 4K 超分辨率。Google Cloud 提供企业级保障,企业用户很快就能在 Gemini 聊天界面中直接使用视频生成功能。Google Ads 将该模型集成到用于扩大视频广告投放规模的工具中。

版本转型和弃用时间表

API 中的模型标识符为 gemini-omni-1.2-flash。此前的标识符 gemini-omni-1.1-flash 将在四周的转型期内继续有效。从 2026 年 12 月 3 日起,所有发往旧标识符的请求都将自动重定向至 1.2 版本,并应用新定价,无需更改代码。在 Flow 中,Omni 1.1 Flash、Veo 3.1 Fast 和 Veo 3.1 Quality 将继续可用至 2026 年 12 月 5 日。Veo Extend 功能已于 2026 年 11 月 5 日停用。两款模型仍是主要选择:作为旗舰产品的 Omni 1.2,以及作为经济型替代方案的 Veo 3.1 Lite。

Gemini Omni 1.2 Flash 的运行限制和地理限制

谷歌明确表示,该模型在快速运动的体育场景、片段内频繁切换场景以及复杂物理效果方面仍可能表现不稳定。欧洲经济区、瑞士和英国不支持编辑和延长用户上传的视频,但可以在这些地区编辑模型自身生成的视频。在这些地区,禁止上传和编辑含有未成年人的图片。不支持上传和编辑某些知名人士的图片。在高峰时段(约 UTC 14:00 至 17:00),免费用户可能无法在 Flow 中使用视频生成功能。在 Gemini 应用中,4K 超分辨率仅限 Ultra 套餐使用。在 Flow 中,未订阅用户只能使用 360p 和 720p 生成最长 10 秒的片段,且无法使用延长或超分辨率功能。

关键事实

  • 2026 年 11 月 5 日,谷歌发布 Gemini Omni 1.2 Flash,并在预览模式运行后,于 Gemini API 和 Google Cloud 中正式上线。
  • 片段最长时长从 10 秒增加到 15 秒,可按 1 秒为增量在 3 至 15 秒之间选择;未指定时长时默认为 10 秒。
  • API 定价下调 30%,720p 视频约为每秒 $0.07,360p 视频约为每秒 $0.023。
  • 模型每个请求最多接受六张参考图片(两个角色各最多三张镜头图)、最长三秒的短视频片段和音频提示,以保持不同场景中的角色一致性。
  • 多步骤编辑支持通过对话修改完整的 15 秒片段,可更改背景、光线、天气或物体,同时保留未更改的元素。
  • 在 Google Flow 中,免费用户可以生成最长 10 秒的视频;15 秒片段、延长和超分辨率功能需要订阅 Google AI Plus、Pro 或 Ultra。
  • 任何 Google 账户持有人都可以在 Google Vids 中每月免费创建最多三个 15 秒视频。
  • Omni 1.1 Flash 即将停用:API 中将于 2026 年 12 月 3 日停用,Flow 中将于 2026 年 12 月 5 日停用,并自动重定向至采用新定价的 1.2 版本。
  • 目前只有英语得到全面支持;其他语言可能可以使用,但尚未经过评估。
  • 延长后片段的总时长上限为 30 秒,单次延长最多 10 秒。
  • 所有生成的视频都会添加不可见的 SynthID 水印和无法移除的 Content Credentials 元数据。
  • 欧洲经济区、瑞士和英国不支持编辑和延长用户上传的视频。

常见问题

Gemini Omni 1.2 Flash 最多可以生成多长的视频?

Gemini Omni 1.2 Flash 可生成最长 15 秒的视频片段,时长可按 1 秒为增量在 3 至 15 秒之间选择。如果未指定时长,模型默认生成 10 秒视频。与最长仅为 10 秒的 1.1 Flash 版本相比,15 秒的最长时长有所提升。延长片段时,总时长上限为 30 秒,单次延长最多 10 秒。

Gemini API 和 Google Flow 中的视频生成费用是多少?

在 Gemini API 中,Gemini Omni 1.2 Flash 视频生成的价格为每 100 万个输出 token $12。换算为按秒计费,360p 约为每秒 $0.023,720p 约为每秒 $0.07,1080p 超分辨率约为每秒 $0.104,4K 超分辨率约为每秒 $0.209。15 秒片段在 360p 下约需 $0.35,在 720p 下约需 $1.04。在 Google Flow 中,生成使用积分:15 秒片段在 360p 下需 20 积分,在 720p 下需 60 积分。免费账户每天可获得 50 积分,Google AI Plus 订阅者每月可获得 200 积分,Pro 订阅者每月可获得 1,000 积分,Ultra 订阅者则根据订阅层级每月可获得 10,000 至 25,000 积分。

Gemini Omni 1.2 Flash 中的对话式编辑如何运作?

对话式编辑允许用户用自然语言描述对已完成片段的修改需求,模型只修改指定元素,同时保留未更改的内容。用户可以更改背景、光线、天气、宽高比或单个物体,无需重新生成整个视频。在 API 中,此功能通过 previous_interaction_id 参数实现,该参数引用先前的请求,无需重新上传视频。每次编辑的费用与生成相同长度片段的费用相同。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论