Gemini Omni 1.2 Flash：快速、低成本，片段更长

2026 年 11 月 5 日

作者：Anish Nangia，Google DeepMind 产品经理

Gemini Omni 1.2 Flash 带来 15 秒片段、更强的一致性，以及更快、更具成本效益的生成。

我们正在推出 Gemini Omni 1.2 Flash，它提供原生的 15 秒视频创作、更好的参考遵循（reference adherence）和多轮对话式编辑。此次更新将成本降低 30%，并为你专业项目提供更好的一致性。今天起，你可以在 Gemini API、Google Vids 和 Gemini for business 上使用这些能力，大规模制作高质量视频内容。

概览#

我们发布 Gemini Omni 1.2 Flash，支持 15 秒视频并改进了参考遵循。

你现在可以通过多轮对话编辑片段，从而更快地做出调整，而不必从头开始。

我们将价格降低了 30%，帮助你以更低的成本制作高质量视频内容。

该模型已在 Gemini API 和 Google Cloud 上正式可用（generally available），可满足你的生产需求。

今天，我们推出 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 上正式提供。Gemini Omni 1.2 Flash 引入原生 15 秒视频创作、多轮对话式编辑能力和增强的参考遵循。我们将其价格较 Gemini Omni 1.1 下调 30%，720p 视频的价格为每秒 0.07 美元。

以下是本次更新概览：

大规模使用下快速且具成本效益#

除了更低的价格，整个工作流也能压低成本：你可以先用 360p 或 720p 快速打样，用一次后续编辑修正细节，而不是重新生成整个片段，然后把最好的作品放大到 1080p 或 4K。

最长 15 秒的更长片段#

你现在可以原生生成和编辑最长 15 秒的视频，相比 Omni 1.1 的 10 秒有所提升。你还可以按 1 秒的增量指定 3 到 15 秒的时长，从而有足够空间在一次生成中讲述完整故事、制作产品讲解，或产出完整的社交媒体广告片。

更好的参考遵循#

你可以组合角色、产品或风格图像、短运动片段（最长 3 秒）以及音频线索来引导生成——Omni 1.2 Flash 会从头到尾保持这些细节。面部、服装、包装排版和品牌色在不同机位之间保持一致，让你可以轻松地把现有产品摄影或角色设定图变成虚拟试穿片段、商品目录旋转展示和品牌视频广告。

将一张模特照片与三套服装的正背面产品图组合，Gemini Omni 1.2 Flash 会生成一段 15 秒的虚拟试穿序列，包含 360 度转身和匹配剪辑（match cut），同时保持模特身份以及每件服装的剪裁、垂坠感和背面细节一致。

更一致的结果#

你可以让角色、物体和场景从第一帧到最后一帧保持更强的一致性，减少运动与镜头转场中的视觉漂移或形变。无论你是在首尾关键帧之间做插值，还是扩展片段以构建更长的序列，产品、角色、道具和环境都能在镜头之间保持一致。

给定同一张静态棚拍灯光效果的展览海报和五层动画提示，Gemini Omni 1.1 Flash 对参考图像的贴合程度不如 1.2。Gemini Omni 1.2 Flash 在尘埃粉色的天幕上逐层搭建海报，升起六边形基座，组装出 HALO、GLOW 和 LUMEN 的罗纹玻璃、暖色灯丝、多面水晶和盘绕电线字效，并在最后一帧之前让每种材质、阴影和排版细节都保持一致。

在对话中更轻松地编辑#

你可以逐轮细化同一个片段——例如更换产品或背景、改变光照或天气、切换宽高比——而不必从头再来。多轮对话式编辑适用于完整的 15 秒片段，让你可以轻松为不同受众和投放位置制作广告变体，而无需重新交代需求或重新生成。

从一段生成的片段开始，多轮对话式提示逐轮替换背景——从条纹亭帐到橡树林、有白马的厩舍、集市场和石头城堡——同时保持两位角色的表演、盔甲反光和镜头构图不变。

更自然的语音#

你可以生成对话更流畅自然、唇形同步更清晰、支持多说话人条件控制的场景。无论你是在 Flow 中导演多角色对话、在 Gemini for business 中制作视频讲解，还是在 Google Vids 中使用虚拟形象、音乐和旁白制作精致的专业视频，这一点都会体现出来。

以一张温室场景图像，加上四个角色参考、嘴部参考和一段 1 秒的语音参考作为条件，Gemini Omni 1.2 Flash 会把每个采样语音路由到正确的角色，在 15 秒的动画场景中呈现富有表现力的唇形同步和自然的喜剧节奏。

更可控、更具电影感的画面#

你可以指导复杂、连续的镜头运动，比如大幅度的 FPV 穿越飞行、戏剧性的拉远和环绕，同时显著减少不想要的跳切，尺度更稳定，画面更精致、更具电影感。

在两幅建筑参考照片的引导下，Gemini Omni 1.2 Flash 执导了一段连续的 FPV 无人机飞行：穿过广场、穿过青铜门、向上穿过万神殿的藻井穹顶抵达圆窗（oculus），全程零跳切。

更长片段、更平滑运动、更紧一致性#

Gemini Omni 1.2 Flash 可生成最长 15 秒的片段，比以往更好地把参考元素维系在一起。你可以滚动浏览，观察角色、文字和镜头运动在更长镜头、多轮次和无剪辑转场中保持一致。

• 15 秒长片段：把一个风格帧变成 4 个镜头、15 秒的微观科学讲解视频，标注拼写准确并带运动跟踪。
• 多轮运动迁移：第 1 轮生成一只起伏蠕动的水母，第 2 轮将其替换为一位舞者，她的长袍复制了完全相同的流体运动。
• 首尾帧一致性（1.1 对比 1.2）：在 1.2 Flash 中用一次连续的推镜连接室外起始帧和室内结束帧。你可以看到屋顶上的猫、汤勺变成筷子等细微差异及其他小变化。
• 不间断的急拉变焦（crash zoom-out）：从一个紧凑的海岸线特写连续拉远到岛屿空中全景，在一个 10 秒镜头内完成，尺度自然、零剪辑。

真实世界成果：从创意工作者到全球品牌#

企业、初创公司和创意工作者已经在工作流中使用 Gemini Omni 1.2 Flash。这也是 Gemini Omni 首次正式可用（generally available），由 Google Cloud 企业级基础设施和安全能力支撑。现已提供预置吞吐量（Provisioned Throughput），输出带有不可察觉的 SynthID 水印。

开始使用 Gemini Omni 1.2 Flash#

尽管开发仍在继续，以进一步改善快速体育动作、快速剧本变化和复杂物理等场景，Gemini Omni 1.2 Flash 非常适合需要大规模制作视频的企业、开发者和创作者。随着它逐步在 Google 产品和开发者平台上推出，你今天就可以开始使用 Gemini Omni 1.2 Flash：

• 使用 Gemini API 的开发者：在 Google AI Studio 中做原型，探索交互式入门应用，并查阅开发者文档和定价。
• 企业：在 Google Cloud 控制台中试用，并用 API 构建企业解决方案。
• 使用 Google 应用的用户：在 Flow 中执导场景并进行多轮编辑；在 Google Vids 中借助 Google 账号或 Google Workspace 订阅免费生成 15 秒片段；在 Gemini 应用中创建 15 秒视频（正向 Google AI Ultra 订阅者推出）；并在 Google Ads 中大规模投放视频广告。